Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Captulo 8:
SERIES
CRONOLGICAS
INTRODUCCIN
Ya hemos estudiado los datos o series estadstica en general. Dentro de estas series
estadsticas merecen especial atencin aquellas que tienen como uno de sus variables el
tiempo. Ya hemos mencionado tambin que cuando uno de los caracteres cuantitativos es
el tiempo la serie estadstica se llama serie cronolgica, el segundo carcter puede ser
cualitativo o cuantitativo.
El inters por estas series radica en que son tiles en muchos trabajos en los que el tiempo
juega un papel preponderante, lo cual ocurre en mltiples aspectos de la Administracin,
Economa y muchas otras disciplinas.
En este captulo trataremos brevemente algunos aspectos bsicos de las series
cronolgicas, advirtiendo sin embargo que el tema es bastante extenso, y que actualmente
se desarrollan tcnicas sofisticadas para lograr buenas predicciones. Este es un campo
donde queda mucho por hacer y es un buen reto a la imaginacin y al talento de los
investigadores. El lector interesado puede dirigirse a un obra especializada, alguna de las
cuales citamos al final del texto.
272
273
A esta altura importa sealar las consideraciones respecto a las seales de inters
que se plantean en Espasa y Cancelo (1993). Estos autores consideran que la
seal relevante, la que recoge la evolucin subyacente de la serie se obtiene una
vez que a los datos originales se les ha extrado aquellas oscilaciones que
dificultan el seguimiento del fenmeno de inters. A pesar de que est muy
extendido el estudio de la evolucin de la serie, una vez desagregado el
componente estacional, esa serie contiene el componente irregular en su interior,
lo que introduce ruido a la seal. Esto ltimo hace que sea preferible asociar la
evolucin subyacente de la variable a una seal como la tendencia, en lugar de
trabajar con la serie desestacionalizada, la tendencia es una seal ms pura.
Inicialmente el mtodo que ms se ha utilizado para descomponer series fue el de
Promedio Mvil. Lo que lo haca especialmente atractivo es la sencillez
computacional.
Luego apareci el Census Method II, que se estudi empricamente entre los aos
1955- 1965, dando lugar a las variantes experimentales X1 a X11. Este mtodo
era utilizado por la mayora de los pases industrializados en la dcada de los 60.
Como vimos cada uno de los componentes de las series cronolgicas recoge
fenmenos o seales distintas. En lo que respecta al componente estacional,
Granger (1978) explicita cuatro posibles causas de las fluctuaciones estacionales:
274
Estas causas pueden considerarse como factores exgenos, de naturaleza noeconmica, que influyen sobre la variable que se estudia y que oscurecen las
caractersticas de la serie relacionadas con factores netamente econmicos.
275
276
8.3. OBJETIVO
EL principal objetivo de las series es conocer, el comportamiento de una variable
cuantitativa en el pasado para estimar su comportamiento en el futuro, es decir
pronosticar las incertidumbres que puedan darse en los estados financieros por
actividades futuras.
La importancia de estas series de tiempo, se basa en mantener datos acerca del
pasado que muestren la informacin acerca de los cambios futuros. La toma de
decisiones econmicas y comerciales, necesitan que se hagan proyecciones de
las condiciones externas e internas, que les afecta. Por lo general las predicciones
del futuro mejoraran a medida que se va haciendo mas precisa la informacin del
pasado.
, Produccin ,
Desocupacin , Tasa
de
Crecimiento
de
las
277
8.5. CONCEPTO
Se llama serie cronolgica o temporal a aquella sucesin de observaciones en la
que alguno de sus caracteres se mide en unidades de tiempo.
El tiempo como sabemos es una caracterstica cuantitativa y el resto de los
caracteres de la serie pueden ser cualitativos o cuantitativos.
Una serie de tiempo o cronolgica, trata una cantidad variable dependiente y como
funcin del tiempo t. Esto se escribe:
y= F(t)
Es decir, estudia el comportamiento de una variable y a lo largo del tiempo t. Las
unidades de tiempo ms usadas son por lo general de un ao, un trimestre, un
mes, etc.
Se elegirn las ms adecuadas para el estudio que trate de llevarse a cabo.
Dentro de estas unidades de tiempo, algunas tienen duracin constante (horas,
das, etc.), pero otras son variables (meses, aos, etc.). Este carcter variable
puede influir en los resultados de algunos estudios, y debe tenerse en cuenta al
elegir las unidades de tiempo.
Ejemplo:
Un ejemplo de serie cronolgica es el comportamiento de las ventas mensuales de
un producto A.
Meses
(2010)
Ene.
Mar.
Abr.
May.
Jun.
Miles
de
soles
5673
6842
Feb.
Jul.
Ag.
Set.
Oct.
Nov.
278
Dic.
3250
279
nombre de
- Tendencia (T)
- Variaciones estacionales (S)
- Variaciones irregulares, fortuitas o accidentales
- Ciclos u oscilaciones
280
Y=T+S+I+C
Y=TxSxIxC
8.7.1. TENDENCIA
Se refiere a la direccin que sigue la serie cronolgica que se puede visualizar con
facilidad a partir del grfico poligonal de la serie. Hay series cuyos valores poseen
una Tendencia ascendente o creciente, en tanto hay otros cuyos valores poseen
una Tendencia descendiente y por ltimo existen series que no son fciles de
advertir su tendencia.
El estudio de la tendencia es de suma importancia porque sirve para de terminar el
probable comportamiento de los datos en el futuro. La proyeccin de la serie
cronolgica constituye el aspecto ms importante para la planificacin social,
econmica, educacional, etc. de mediano y largo plazo.
La tendencia se puede determinar por una expresin matemtica, siendo
necesario proyectar la serie y as obtener valores estimados para el futuro, que
puedan tener a su vez un error o sesgo cuya, dimensin depende de la validez o
significacin de los datos de la serie, del periodo elegido y del mtodo utilizado
para analizar la tendencia.
Del mtodo estadstico elegido, depende el comportamiento de la variable en el
tiempo. La tendencia
de una serie
281
Y= a + bx
La tendencia rectilnea queda determinada cuando se conocen los valores
numricos de a y b, se hallan con el resultado de la aplicacin de las siguientes
ecuaciones normales, del mtodo de los mnimos cuadrados.
Y = a + bx + cx2
282
Y = abx
Y = K + abX
TENDENCIA LOGSTICA
CURVA DE GOMPERTZ
TENDENCIA DE EXTRAPOLACIN
283
Ejemplo:
284
1. Incremento de la poblacin
2. Incremento de la energa no humana
3. Capital acumulado
4. Progreso Tecnolgico
285
2. Mtodo a mano. Este mtodo, que consiste en trazar una recta o curva de
tendencia simplemente mirando la grfica, puede usarse para estimar Y. Sin
embargo, tiene la obvia desventaja de depender demasiado del juicio individual.
286
INDICE ESTACIONAL
287
la media, es mejor evitar cualquier valor extremo que pueda presentarse. Los 12
porcentajes resultantes dan el ndice estacional. Si su media no es 100% (es decir,
si la suma no es 1200%), entonces deben ajustarse, lo que se logra
multiplicndolos por un factor adecuado.
3. Mtodo del porcentaje del promedio mvil o la razn del promedio mvil.
En este mtodo se calcula un promedio mvil de 12 meses. Dado que los
resultados as obtenidos caen entre meses sucesivos, en lugar de en la mitad del
mes (que es donde caen los datos originales), se busca un promedio mvil de 2
meses, de este promedio mvil de 12 meses. El resultado suele llamarse
promedio mvil centrado de 12 meses.
Despus de esto, se expresan los datos originales de cada mes como un
porcentaje del promedio mvil centrado de 12 meses correspondiente a los datos
originales. Luego se promedian los porcentajes de los meses correspondientes,
con lo que se obtiene el ndice requerido. Como antes, si stos no promedian
100% se hace un ajuste.
288
Una vez que los datos han sido ajustados a las variaciones estacinales, tambin
suelen ajustarse a la tendencia dividindolos, sencillamente, entre los valores de
tendencia correspondientes. De acuerdo con la ecuacin (l), el proceso de ajuste a
la variacin estacional y a la tendencia es equivalente a dividir Y entre ST, que
resulta en Cl (las variaciones cclicas e irregulares). Un promedio mvil adecuado
de pocos meses de duracin (como 3, 5 o 7 meses, de modo que en
consecuencia no se necesita centrado) sirve, entonces, para suavizar las
variaciones irregulare l y para dejar nicamente las variaciones cclicas C. Una vez
que se han aislado estas variaciones cclicas, es posible estudiarlas en detalle. Si
se presenta una periodicidad o periodicidad aproximada de ciclos, se pueden
construir ndices cclicos de la misma manera que los ndices estacinales.
la desviaciones grandes
289
PROMEDIOS MOVILES
290
Ejemplo 1:
Dados los nmeros 2, 6, 1, 5, 3, 7 y 2 un promedio mvil de orden 3 est dado por
la secuencia.
2 6 1 6 1 5 1 5 3 5 3 7 3 7 2
,
,
,
,
o 3, 4, 5, 4
3
3
3
3
3
291
Datos originales
2, 6, 1, 5, 3, 7, 2
3, 4, 3, 5, 4
Donde cada nmero del promedio mvil es la media de los tres nmeros
inmediatamente por encima de l.
Si los datos se dan anual o mensualmente, un promedio mvil de orden N se
denomina, en ese ordene, promedio mvil de N aos o promedio mvil de N mees.
As, se habla de promedios mviles de 5 aos, 12 meses, etc. Por obcecad,
tambin puede usarse cualquiera otra unidad de tiempo.
Los promedios mviles tienen la propiedad de tender a reducir la cantidad de
variacin presente en un conjunto de datos. Para las series de tiempo, esta
propiedad suele usarse para eliminar fluctuaciones no deseadas y el proceso se
llama suavizacin de las series de tiempo.
Si se utilizan medias aritmticas ponderadas en la secuencia (3), con pesos
especificados de antemano, entonces la secuencia resultante se conoce como
promedio mvil ponderado de orden N.
Ejemplo 2:
1( 2) 4(6) 1(1) 1(6) 4(4) 1(5) 1(1) 4 (5) 1(3) 1(5) 4(3) 1(7) 1(3) 4(7) 1(2)
,
,
,
,
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
4, 5, 2, 5, 4, 0, 4, 0, 5, 5
292
TOTAL 2005 2004 2003 2002 2001 2000 1999 1998 1997 1996 1995
TOTAL
18122
4773
4038
3316
1376
1110
116
522
687
480
311
393
AMAZONAS
1076
294
282
202
68
36
86
16
44
20
16
12
ANCASH
357
60
58
23
16
15
25
29
50
36
20
25
APURIMAC
1191
562
236
253
54
41
13
AREQUIPA
842
110
114
88
73
193
61
65
24
59
15
10
AYACUCHO
1023
448
256
162
39
46
15
14
20
CAJAMARCA
1233
395
259
198
141
59
74
39
31
19
14
CALLAO
260
57
54
30
25
26
31
10
11
CUSCO
986
215
212
226
63
74
28
20
45
51
27
25
HUANCAVELICA
858
268
265
149
45
19
66
19
10
HUANUCO
706
301
146
100
14
17
54
14
21
14
16
ICA
178
49
31
23
10
19
14
18
JUNIN
402
76
101
72
27
16
42
13
14
15
16
10
LA LIBERTAD
344
69
43
31
18
16
19
49
72
12
LAMBAYEQUE
195
17
51
105
11
14
64
LIMA
1521
269
279
243
115
102
182
58
49
36
83
102
LORETO
1645
303
369
285
144
279
47
56
41
13
MADRE DE DIOS
331
85
38
166
28
12
MOQUEGUA
314
86
53
49
52
13
11
11
PASCO
202
96
42
12
26
10
PIURA
736
191
212
138
46
50
10
18
66
15
PUNO
1281
256
432
315
112
105
30
14
19
26
17
10
SAN MARTIN
1222
278
215
276
192
71
40
16
35
26
16
23
TACNA
286
48
48
27
39
13
17
15
TUMBES
157
46
29
21
11
31
11
15
UCAYALI
776
281
159
190
52
30
12
293
Y = a + bx
Queda determinada cuando se conocen los valores numricos de a y b, estos
valores son la solucin de un sistema de dos ecuaciones con dos incgnitas:
EJERCICIO N 1
294
Determinar:
a. La ecuacin de la Tendencia Rectilnea para los datos de la tabla.
b. Utilice la ecuacin de la Tendencia Rectilnea para estimar el N de
hojas que caen en otro tipo de rbol que libera 100ug de hormona
vegetal.
XY
X2
Y*t
28
208
5824
784
183.66840630
57
350
19950
3249
448.53322712
38
300
11400
1444
275.00111830
75
620
46500
5625
612.93215280
82
719
58958
6724
676.86505120
x =
y =
xy =
x2 =
y*t =
280
2197
142632
17826
2197
na + bx = y
a x + bx2 = xy
295
(-56)
5a +
280 b = 2 197 (1 ecuacin)
280a + 17 926 b = 142 632 (2 ecuacin)
b = 9.133271202
Reemplazando en la 1 ecuacin
5 a + 280 (9.133271202) = 2197
a = -72.06318733
Aplicando en y= a + bx
Y = (-72.06318733) + 9.133271202x
Y = 9.133271202x 72.06318733
a. Tendencia para datos de la tabla:
Y28 = 9.133271202 (28) 72.06318733 = 183.6684063
296
EJERCICIO N 2
Aos
X2
XY
Y*
2002
161
15.03555556
2003
154
15.4
15.88222223
2004
168
33.6
16.728888888
2005
171
51.3
17.575555555
2006
178
16
71.2
18.422222223
2007
188
25
94.0
19.268888889
2008
204
49
122.4
20.115555556
2009
211
64
147.7
20.962222222
2010
223
178.4
21.808888889
x =
y =
x2=
xy =
Y*t=
36
165.8
204
714
165.87987
297
na + bx = y
a x + bx2 = xy
(-4)
9a +
36a +
36 b =
204b =
165.8
714
(1 ecuacin)
(2 ecuacin)
b = 0.84666667
Reemplazando en la 1 ecuacin
9a +
36(0.8466667) = 165.8
a = 15.035555556
Aplicando en y= a + bx
Y = 15.03555556 + 0.84666667x
Y = 15.03555556 + 0.84666667x
298
300
EJERCICIO N3
Determinar la tendencia para los prximos 3 aos de la siguiente serie cronolgica
que da a continuacin:
AOS
X. Y
Y*T
2005
10.875
11.4392381
2006
12.291
12.291
11.68560953
2007
12.333
24.666
11.93198096
2008
11.666
34.998
12.17835238
2009
12.666
16
50.684
12.42472381
2010
12.500
25
62.500
12.67109524
X=
Y=
X=
X .Y =
Y*T =
15
72.331
55
185.139
72.331
301
na + bx = y
a x + bx2 = xy
(-5)
(2)
6a +
15a +
15 b = 72.331
55 b = 185.139
(1 ecuacin)
(2 ecuacin)
-30 a 75 b = -361.655
30 a + 110 b = 370.278
35 b = 8.623
b = 0.246371428
Reemplazando en la 1 ecuacin
6a +
15 (0.246371428) =
72.331
a = 11.4392381
Aplicando en y= a + bx
Y = 15.03555556 + 0.84666667x
Y = 11.4392381 + 0.246371428x
302
303
EJERCICIO N 4
Edades
Saldos
12 792
15
11 346
25
17 941
35
19 313
45
18 000
55
15 181
XY
X2
Y*t
12,792
63,960
25
13,385.09524
15
11,346
170,190
225
14,335.92381
25
17,941
448,525
625
15,286.75238
35
19,313
675,955
1,225
16,237.58095
45
18,000
810,000
2,025
17,188.40952
55
15,181
834,955
3,025
18,139.23809
x =
x =
y =
xy =
x2 =
180
94,573
3003,585
7,150
94,573
304
a b x y
a x b x 2 xy
305
306
307
Si x = 0
na = Y
Hallamos el valor de b
b X2 = X Y
308
8.10. LA CORRELACIN ( r )
Es el grado de relacin que se pude establecer entre las variables y que se
estudia para determinar en que medida una ecuacin lineal describe la relacin
entre 2 fenmenos que han sido medidos en diferentes unidades pudiendo ocurrir
los siguientes casos:
R = +- 1
2. Qu estos fenmenos sern completamente independientes uno de otro
como por ejemplo: El nmero anual de nacimientos en Lima y la
produccin anual de arroz en el Japn.
R=0
3. Que entre estos fenmenos considerados halla una relacin ms o menos
fuerte como por ejemplo: Como la talla de los padres y de sus
descendientes
309
enfermedades respiratorias.
Belleza e inteligencia.
Aptitud de la msica y para las matemticas.
310
311
312
PARMETROS DE LA CORRELACIN
Ejemplo:
La longitud de la circunferencia y los radios. Se lanzan simultneamente 2 datos
100 veces no hay relacin entre los puntos correspondientes a cada lado (a
menos que los dedos estn cargados) es decir no estn correlacionados.
Las variables, altura y peso de los individuos muestran cierta circulacin.
313
Nota
La correlacin flucta +1 y -1 pasando por cero. Existen correlacin cuando se
acerca los extremos +1 - 1 no existe cuando se acerca a cero.
8.11. REGRESION
314
c) FRMULAS SIMPLIFICADAS
315
316
317
Ejercicio:
X2
XY
Y2
16
16
16
36
24
16
64
40
25
81
63
49
11
121
88
64
14
196
126
81
x=56
y=40
x2= 524
xy=364
y2= 256
318
xyxy
x2 x2y2 y2
8364 5640
8524 562 8256 402
2912 2240
4192 31362048 1600
672
1056448
672
687 .8139283
r = 0.977008421
a b x y
a x b x 2 xy
(-7)
8a +
56 b
= 40
56a +
524b
= 364
319
-56a - 392
-280
84
= 84/132
b = 0.636363636
Reemplazando:
8a + 56b = 40
8a + 56 ( 0.636363636) = 40
8a + 35.63636364 = 40
8a = 40 - 35.63636364
8a = 4.36363636
a = 0.54545454
yx xxy
a
x x
2
a = 0.54545454
320
xy x y
x 2 x
b = 0.63636363
TENDENCIA:
y = a + bx
Y = 0.5454 + 0.6363
a b y x
a y b y 2 xy
(-5)
8a
+ 40b = 56
321
b = 1.5
8a + 40b = 56
8a + 40 ( 1.5) = 56
8a + 60 = 56
8a = 56 - 60
8a = -4
a = -4/8
a = - 0.5
TENDENCIA:
X = a + by
x = -0.5 + 1.5y
322
323
Tiempo X
Contenido de Humedad Y
50%
34%
24%
18%
14%
11%
x = 15
y = 151%
X2
XY
Y2
50
2500
34
34
1156
24
48
576
18
54
324
14
16
56
196
11
25
55
121
x = 15
y = 151
x2 = 55
xy = 247
y2 = 4873
324
xyxy
x2 x2y2 y2
6247 15151
655 152 64873 1512
1482 2265
330 22524238 2280
r
783
105 6437
783
822 . 1222537
r = - 0.952413094
a b y
a y b y 2
xy
325
(-151) 6a
(6)
+ 151b = 15
b = -0.121640515
6a + 151b = 15
6a + 151 ( -0.121640515) = 15
6a = 33.36771777
a = 5.561286295
TENDENCIA:
X = a + by
x = 5.561286295 0.121640515y
y x xxy
a
x x
2
326
a = 5.561286314
xy x y
x 2 x
b = - 0.121640515
TENDENCIA:
y = a + bx
x = 5.561286314 0.121640515 y
a b x y
a x b x 2 xy
(-5)
6a + 51 b
= 151
327
-261
b = -261/35
b = -7.457142857
6a + 51b = 151
6a + 51 ( -7.457142857) = 151
6a - 111.8571429 = 151
6a = 151 + 111.857142857
6a = 262.8571429
a = 43.80952382
y x x xy
a
x x
2
15155 15247
2
655 15
8305 3705
330 225
328
4600
105
a = 43.80952382
xy x y
x 2 x
6247 15151
2
655 15
1482 2265
330 225
b
783
105
b = -7.457142857142857
TENDENCIA:
Y = a + bx
329
a. X f(y) Y = a + bx
330
a. X f(y) X = a + by
331
EJERCICIO
332
X .Y
Y*T
65
68
- 1.66
0.42
2.7556
-0.6972
0.1764
66.78921
63
66
- 3.66
- 1.58
13.3956
5.7828
2.4964
65.83645
67
68
0.34
0.42
0.1156
0.1428
0.1764
67.74196
64
65
-2.66
-2.58
7.0756
6.8628
6.6564
66.31283
68
69
1.34
1.42
1.7956
1.9028
2.0164
68.21834
62
66
-4.66
-1.58
21.7156
7.3628
2.4964
65.36007
70
68
3.34
0.42
11.1556
1.4028
0.1764
69.17110
66
65
-0.66
-2.58
0.4356
1.7028
6.6564
67.26558
68
71
1.34
3.42
1.7956
4.5828
11.6964
68.21834
67
67
0.34
-0.58
0.1156
-0.1972
0.3364
67.74196
69
68
2.34
0.42
5.4756
0.9828
0.1764
68.69472
71
70
4.34
2.42
18.8356
10.5028
5.8564
69.64748
X=
X .Y =
Y =
Y*T=
84.6672 40.3336
38.916
810.99804
800
811
66.66
67.58
333
1. COEFICIENTE DE CORRELACION
334
3. REGRESION X EN FUNCION DE Y.
335
336
8. CO-VARIANZA
337
Una lnea Recta sobre una grfica aritmtica indica el incremento o decremento
de una serie de tiempo en una cantidad constante, es la manera mas simple para
describir el movimiento de una tendencia, frecuentemente la descripcin de la
Tendencia es exacta. Sin embargo en muchos casos una lnea recta no puede
ajustarse a los datos adecuadamente. En tal caso una curva no lineal puede
describir la tendencia de la serie de tiempo mejor que una lnea recta.
Hay muchos tipos de tendencia no lineales:
TENDENCIAS PARABOLICAS :
Que mediante una ecuacin de 2do. Grado obtenida a travs del mtodo de los
mnimos cuadrados se pueden obtener los datos ajustados.
TENDENCIAS LOGARITMICAS :
Tendencia Logstica
338
Curva de Gompertz
Tendencia de extrapolacin
339
a, b, c, en la ecuacin es
Las 3
340
341
Una curva
342
La tendencia exponencial de una serie es una lnea recta, en una grfica semilogartmica; y es una curva en una grfica aritmtica.
La tendencia exponencial de una serie esta descrito mediante el siguiente modelo
matemtico.
343
344
Si en la Ecuacin Exponencial
M = c (1 + r)
345
Glosario Estadstico
Aleatorio(a):
Fundado sobre la intervencin del azar o independientemente de otros
acontecimientos.
Anlisis de perfil. Mtodo para analizar datos del diferencial semntico, en
el cual una media aritmtica o mediana se calcula para cada conjunto de
opuestos polares y para cada objeto evaluado.
Anlisis de regresin simple. Procedimiento para derivar una relacin
matemtica, en forma de ecuacin, entre una variable dependiente mtrica
y una variable independiente mtrica.
Anlisis de regresin:
Procedimiento estadstico para analizar las relaciones de asociacin entre
una variable dependiente mtrica y una o ms variables independientes.
Atributos:
Variables cualitativas que slo poseen categoras.
Autocorrelacin:
Es la correlacin que existe entre una variable desfasada uno o ms
periodos y la misma variable.
Beta:
Probabilidad de cometer un error de tipo II.
Censo:
Conteo completo de los elementos de una poblacin u objetos de estudio.
Certidumbre:
346
347
Correlacin:
Es una medida de la relacin entre dos o ms variables. La correlacin
puede tomar valores entre 1 y +1. El valor de 1 representa una
correlacin negativa perfecta mientras un valor de +1 representa una
correlacin perfecta positiva. Un valor de 0 representa una falta de
correlacin.
Covarianza:
Relacin sistemtica entre dos variables, en la cual el cambio en una
implica un cambio correspondiente en la otra.
Cuartil:
Percentil cuyo valor que indica su proporcin es un mltiplo de 25. Primer
cuartil es el percentil 25, segundo cuartil es la mediana, tercer cuartil es el
percentil 75.
Cuestionario:
Tcnica estructurada para recopilar datos, que consiste en una serie de
preguntas, escritas u orales, que debe responder un entrevistado.
Curtosis:
El grado de agudeza de una distribucin de puntos.
Datos continuos:
Datos que pueden pasar de una clase a la siguiente sin interrumpirse y que
pueden expresarse mediante nmeros enteros o fraccionarios.
Datos discretos:
Datos que no pasan de una clase a la siguiente sin que haya una
interrupcin; esto es, en donde las categoras representan valores o cuentas
distintas que pueden representarse mediante nmeros enteros.
348
Datos externos:
Datos que se obtienen de una fuente diferente de la organizacin para la
cual se est llevando a cabo la investigacin.
Datos primarios:
Datos que origina el investigador para aplicarse, especficamente, al
problema de investigacin.
Datos secundarios:
Datos recopilados para un propsito diferente al problema que se est
manejando.
Datos sin procesar:
Informacin antes de ser organizada por mtodos estadsticos.
Datos. Coleccin de Cualquier nmero de observaciones relacionadas sobre
una o ms variables.
Decil:
Percentil cuyo valor que indica su proporcin es un mltiplo de diez.
Percentil 10 es el primer decil, percentil el segundo decil, etc.
Deflacin de precios:
Es el proceso mediante el cual se expresan trminos de una serie en colones
constantes.
Depuracin de los datos:
Revisiones extensas y a fondo para la consistencia y el manejo de las
preguntas no respondidas.
Desviacin estndar:
349
350
351
352
Distribucin t de Student:
Familia de distribucin de probabilidad que se distinguen por sus grados de
libertad individuales; es parecida, en forma, a la distribucin normal; y se
utiliza cuando se desconoce la desviacin estndar de la poblacin y el
tamao de la muestra es relativamente pequeo (< 30).
Distribucin uniforme:
Es una distribucin de frecuencia del conjunto de los enteros no negativos.
La frecuencia asignada a cualquiera de los enteros no negativos es 1, y la
medida de la frecuencia cualquier conjunto A de enteros no negativos es su
medida de conteo.
Distribuciones de frecuencias acumuladas:
Despliegue de datos en forma de tabla que muestra cuntos datos estn por
encima o por debajo de ciertos valores.
Distribuciones de frecuencias:
Despliegue organizado de datos que muestran el nmero de observaciones
del conjunto de datos que entran en cada una de las clases de un conjunto
de clases mutuamente exclusivas y colectivamente exhaustivas.
Divisin de la variacin total:
En el ANOVA unidireccional, separacin de variacin observada en la
variable dependiente en la variacin debida a las variables independientes
ms la variacin debida al error.
Dominios:
Denotan subclases que han sido planeadas especficamente en el diseo de
la muestra.
Encuestas de mercado:
353
354
355
356
Estadstica:
Ciencia que trata del desarrollo y aplicacin de mtodos eficientes de
recoleccin, elaboracin, presentacin, anlisis e interpretacin de datos un
mricos. Mediciones que describen las caractersticas de una muestra.
Estadstico:
Descripcin resumida de una medida en la muestra seleccionada.
Evento:
Uno o ms de los resultados posibles de hacer algo, o uno de los resultados
posibles de realizar un experimento.
Eventos independientes:
Dos eventos evento son independientes si el conocimiento de que uno
ocurrir o ya ha ocurrido no afecta la probabilidad del otro; ms
precisamente, si la probabilidad condicional de cada uno dada por el otro es
la misma que la probabilidad incondicional.
Eventos mutuamente excluyentes:
Eventos que no pueden presentar juntos.
Escala de Intervalo:
Escala de medicin que permite calcular diferencias (adems de asignar
nombres y orden) entre los datos.
Escala Nominal.
Escala de medicin que slo permite asignar nombres a los datos.
Escala Ordinal:
Escala de medicin que permite asignar orden (adems de nombres) a los
datos.
Experimento:
357
358
Grfico de barras:
Presentacin grfica de magnitud en el conjunto de datos, representada por
la longitud de diferentes barras trazadas con referencia a una escala
horizontal o vertical.
Grfico de histogramas:
Representacin grfica de un conjunto de datos formada por rectngulos,
de una tabla de frecuencias cuya variable es numrica, de modo que cada
dato de la muestra ocupa igual rea que los dems.
Heteroscedasticidad:
Se presenta cuando los errores o residuos no tienen una varianza constante
a travs de un rango completo de valores.
Hiptesis alternativa:
Afirmacin de que se espera alguna diferencia o efecto. La aceptacin de la
hiptesis alternativa dar lugar a cambios en las opiniones o acciones.
Hiptesis nula:
Afirmacin en la cual no se espera ninguna diferencia ni efecto. Si la
hiptesis nula no se rechaza, no se har ningn cambio.
Hiptesis simple:
Es aquella que especifica completamente la distribucin de la poblacin
principal
Hiptesis:
Enunciado o proposicin no probados acerca de un factor o fenmeno de
inters para el investigador. Una hiptesis estadstica a un enunciado
respecto a una poblacin y usualmente es un enunciado respecto a uno a
ms parmetros de la poblacin.
359
Indicador:
Se trata de un nmero o de un ndice (un valor sobre una escalera de
medida) derivado de la observacin de un conjunto de fenmenos. Variable
que permite evaluar ciertos cambios en el curso del tiempo.
Incertidumbre:
Falta de un conocimiento completo acerca de los posibles resultados de las
acciones, con desconocimiento de las probabilidades de los posibles
resultados.
Inferencia estadstica:
Proceso de generalizar los resultados de la muestra a los resultados de la
poblacin.
Informacin de clasificacin:
Caractersticas socioeconmicas y demogrficas que se utilizan para
clasificar a los entrevistados.
Informacin de identificacin:
Tipo de informacin que se obtiene en un cuestionario y que incluye el
nombre, domicilio y nmero telefnico.
Informe de investigacin:
Presentacin de los resultados de la investigacin dirigido a una audiencia
especfica para obtener un determinado propsito.
Intervalo de confianza:
Intervalo de valores que tiene designada una probabilidad de que incluya el
valor real del parmetro de la poblacin.
Intervalo muestral:
360
361
Medidas de variabilidad:
Estadstica que indica la dispersin de la distribucin.
Moda:
Medida de tendencia central que se da como el valor que ocurre con mayor
frecuencia en la distribucin de una muestra.
Muestra:
Es una parte representativa que refleja las similitudes y diferencias de la
poblacin y que son importantes para la investigacin, se podra decir que
es
el subconjunto seleccionado de la poblacin; por eso se suele seleccionar un
subgrupo que sea suficientemente representativo, pero tiene que tener
datos que puedan servir para conclusiones generalizadas.
Muestra aleatoria / muestra de probabilidad:
Tipo de muestra caracterizada por una seleccin de sujetos basada en la ley
de las probabilidades; un procedimiento de preparacin de muestras es
aleatorio, o probabilista, cuando todos los elementos de la poblacin tienen
una posibilidad de ser recuperados en la muestra: la probabilidad de
eleccin de cada elemento de la poblacin debe ser conocida por progreso.
Se trata del nico mtodo general capaz de atribuir un valor numrico
preciso a la estimacin.
Muestreo aleatorio simple:
Mtodos de seleccin de muestras que permiten a cada muestra posible una
probabilidad igual de ser elegida y a cada elemento de la poblacin una
oportunidad igual de ser incluidos en la muestra.
Muestreo aleatorio:
362
363
364
Poblacin de encuesta:
Representa la poblacin de estudio menos la no respuesta y cobertura
deficiente.
Poblacin finita:
Poblacin que tiene un tamao establecido o limitado.
Poblacin infinita:
Poblacin en el que es tericamente imposible observar todos los elementos.
Poblacin meta:
Conjunto de elementos u objetos que posee la informacin que busca el
investigador y acerca del cual deben hacerse las inferencias.
Poblacin:
Conjunto de todos los elementos que comparten un grupo comn de
caractersticas, y forman el universo para el propsito del problema de
Poblacin muestral:
Subconjunto de la Poblacin Objetivo cuyos elementos son susceptibles de
ser escogidos para su estudio. Usualmente denominada poblacin.
Polgono de frecuencias:
Lnea que une los puntos medios de cada clase de un conjunto de datos,
trazada a la altura correspondiente a la frecuencia de los datos.
Ponderacin:
Ajuste estadstico a los datos en el cual a cada caso o entrevistado en la base
de datos se asigna un valor relativo a fin de reflejar su importancia relativa
para otros casos o entrevistados.
Porcentaje:
365
366
367
368
369
Propiedad o rasgo de un hecho u objeto (no constante) por la que puede ser
caracterizado o clasificado. Representacin de una caracterstica, de un
atributo, que posee alguna realidad.
Valor crtico:
Valor de la estadstica estndar(z o t) ms all del cual rechazamos la
hiptesis nula; el lmite entre las regiones de aceptacin y de rechazo.
Valor de la muestra:
Es una estimacin que se calcula a partir de los (n) elementos en la muestra.
Es una variable aleatoria, que depende del diseo de la muestra y de la
combinacin particular de los elementos que resultaron seleccionados.
Valor de la poblacin:
Es una expresin numrica que sintetiza los valores de una o varias
caractersticas de los N elementos de una poblacin completa; es una
medida resumida de una cualidad de la distribucin de la variable o
variables en la poblacin definida.
Valor esperado:
Es el valor promedio de una variable aleatoria en muchas pruebas u
observaciones.
Valor z:
Nmero de errores estndar en que un punto se encuentra alejado de la
media.
Variables cualitativas:
Son las que expresan distintas cualidades, caractersticas o modalidad
(cada modalidad que se presenta se denomina categora o atributo). La
370
371
372