Series Capitulo 8

UNIVERSIDAD NACIONAL DEL CALLAO
FACULTAD DE CIENCIAS ADMINISTRATIVAS
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

8.1. RESEA HISTRICA

Esta idea de componentes no observables en el anlisis econmico puede
remontarse a 1825-1875, pero es todava anterior en estudios de astronoma y
meteorologa, en 1823 el matemtico Laplace analiz el efecto de las fases de la
luna sobre las mareas y los movimientos de aire en la tierra.
En 1911 se cre en Francia un comit para proponer mtodos para separar cada
componente, con el fin de pronosticar cada uno por separado. Con posterioridad
en
Estados Unidos se propuso hacer lo mismo.
Ya en 1919 Persons plantea que las series cronolgicas estn constituidas por
cuatro elementos o componentes:
a. Una tendencia de largo plazo (que constituye el elemento de crecimiento de

la serie).
b. Un movimiento cclico en forma de onda, sper impuesto en la tendencia.
c. Un movimiento estacional dentro del ao.
d. Una variacin residual, causada por situaciones que afectan a las series de
manera individual.
Nerlove, Grether y Carvalho (1979) se adscriben a la visin que las series

cronolgicas pueden visualizarse como constituidas por varias componentes no
observables: tendencia, ciclo, estacionalidad y movimiento irregular.
Como vemos la extraccin de componentes no observables de una serie temporal
es una idea antigua, pero no es sino hasta la mitad del siglo XX que se dispuso de
instrumentos de clculo potentes y de esquemas tericos que permitieran el
desarrollo de metodologas ms adecuadas, por ello inicialmente se plantearon
esquemas deterministas.
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.
La introduccin de la computadora dio paso a mtodos de desestacionalizacin

masivos (Shiskin 1954), lo que result en el primer mtodo de la Oficina del Censo
de los EE.UU. (Census Method I) que no era ms que un pequeo refinamiento
del mtodo de Razn o Promedio Mvil.
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:
a. El calendario propiamente dicho (feriados fijos, diferente nmero de das de

cada mes, etc.).
b. Razones Institucionales. Se fijan determinados momentos del ao para
realizar ciertas actividades.
274

c. El clima, que determina por ejemplo las cosechas, etc.

d. Expectativas de variaciones estacionales (aumento o disminucin de la
produccin previa a determinadas fechas, por ejemplo).
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.
Dagum (1978) resume lo que considera las tres caractersticas ms importantes

de los fenmenos estacionales son:
a. Se repite cada ao con cierta regularidad, aunque puede evolucionar.

b. Se puede medirse y separarse de las otras fuerzas que influencian el
movimiento de la serie.
c. Es causado principalmente por fuerzas no econmicas, exgenas al
sistema econmico, y que no pueden controlarse o modificarse por los
tomadores de decisiones en el corto plazo.
La componente tendencia representa los movimientos de largo plazo de la serie,

que se puede considerar, junto con las oscilaciones estacionales y la componente
irregular, como generador de los valores observados. Una caracterstica esencial
de la tendencia es que se mueve en forma suave con relacin a la unidad de
tiempo para la cual existe un registro de observaciones.
El ciclo es una oscilacin peridica, caracterizada por perodos alternantes de

expansin y contraccin.
La componente irregular est compuesta por movimientos imprevisibles

relacionados con eventos de toda clase, tienen apariencia aleatoria estable, y
pueden distinguirse de otras irregularidades, como los valores aberrantes.
275

8.2. IMPORTANCIA DEL PRONSTICO EN LOS NEGOCIOS

Debido a que las condiciones econmicas y comerciales varan en el tiempo, los
lderes de los negocios deben encontrar formas de mantenerse al da respecto a
los efectos que esos cambios tendrn en sus operaciones. Una tcnica que
pueden usar los lderes de negocios, como ayuda a la planeacin de las
necesidades operativas en lo futuro es el pronstico. Aunque se han desarrollado
numerosos mtodos para pronosticar, todos tienen un objetivo comn, predecir los
eventos futuros de manera que las proyecciones se puedan incorporar en el
proceso de toma de decisiones.
La necesidad de pronosticar prevalece en la sociedad moderna. Como ejemplo

los funcionarios del gobierno deben poder pronosticar aspectos como desempleo,
inflacin, produccin industrial e ingresos esperados de los impuestos personales
y corporativos, para formular las polticas.
Los ejecutivos de mercadotecnia de una corporacin grande de un mercado de

venta de productos, deben ser capaces de pronosticar demanda, ingresos de
venta, preferencias del consumidor, etc.
Para mantener un mercado secundario de reemplazo, para su flota de vehculos

de una lnea de rentas, deben saber pronosticar el uso y necesidades en base al
nmero de compradores. Y la administracin de una Universidad debe tener la
capacidad de pronosticar la inscripcin de estudiantes de acuerdo a las
proyecciones nacionales de poblacin y las tendencias de la enseanza segn los
desarrollos tecnolgicos, para planear la construccin de aulas o nuevos centros y
para evaluar las necesidades.
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.
8.4. APLICACIONES MS IMPORTANTES DE LAS SERIES

CRONOLGICAS
Debe advertirse que en las proyecciones no son valores determinantes que
tienen que ocurrir necesariamente en el futuro , son valores estimados o
aproximados y estos resultados pueden variar dependiendo de diversos
factores que en forma directa e indirecta participan en los resultados de
las series cronolgicas por ejemplo ,
analizar el Comportamiento de los
indicadores de la Economa Nacional
se usar Series Cronolgicas que
ayudan a proyectar y a estimar para los

Inflacin
, Produccin ,
prximos aos el nivel de la
Desocupacin , Tasa
de
Crecimiento
de
las
formaciones , Tasa de Productividad de los obreros y empleados , etc, .

Estos resultados ayudan a elaborar los planes de Crecimiento y Desarrollo
de Mediano y Largo plazo.
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
2750 1382 2425
5673
6842
3285 2850 2950 2540 5025 6352
Feb.
Jul.
Ag.
Set.
Oct.
Nov.
278
Dic.
3250

La grfica de una serie cronolgica es una grfica de lnea, la cual se construye

sobre un sistema de ejes coordenadas. En el eje horizontal se ubica la variable
independiente tiempo (aos, meses, das, etc.), en el eje vertical los valores de la
variable dependiente y (ventas, produccin, etc.).
La figura representa la grfica de la serie cronolgica del ejemplo anterior.
Comportamiento de las ventas del producto A

en el 2010
8000
7000
6000
5000
4000
3000
2000
1000
0
8.6. ANALISIS DE SERIES CRONOLGICAS

Una serie cronolgica no es sino una variable dada en sucesivos intentes de
tiempo y se le conoce tambin con el nombre de serie de tiempo, serie histrica,
serie cronolgica, etc.
Una serie cronolgica llamada tambin serie de tiempo o serie histrica de un

conjunto de datos recopilados, observados y registrados sistemticamente en un
tiempo determinado.
279

Se dice tambin que es la variable dada en sucesivos instantes de tiempo

como la produccin de algodn en los ltimos 10 aos, las exportaciones
anuales de los pases de la regin andina, las ventas anuales en farmacias,
laboratorios, supermercados, etc.
Las principales aplicaciones de las series cronolgicas son las proyecciones

(determinacin de las tendencias); debe advertirse que las proyecciones no son
valores determinantes que tienen que ocurrir necesariamente en el futuro, son
valores estimados o esperados y estos resultados pueden variar dependiendo de
varios factores que de forma directa e indirecta participen en los resultados de
una serie cronolgica.
Las empresas industriales y comerciales deben de realizar un examen sobre la
forma como la produccin y venta de sus artculos han sido afectados en el
pasado por diferentes factores con el objeto de hacer una estimacin, diagnstico
o previsin para el futuro a fin de estar en condiciones de trazar planes de
desarrollo de la empresa.
Grficamente las series cronolgicas se representan haciendo uso de los ejes
cartesianos, colocando la variable tiempo (ti) en el semi-eje positivo de las
abscisas y la variable (Yi) en el semi-eje positivo de las coordenadas.
8.7. ELEMENTOS DE UNA SERIE CRONOLGICA

Los elementos de una serie cronolgica tambin coincide con el
nombre de
variaciones, componentes, o movimiento caractersticos de una serie cronolgica

pueden dividirse en:
- Tendencia (T)
- Variaciones estacionales (S)
- Variaciones irregulares, fortuitas o accidentales
- Ciclos u oscilaciones
280

Para algunas estadsticas el Anlisis de una serie cronolgica es igual a la suma

de sus movimientos caractersticos, en cambio para otras se considera como el
producto de sus movimientos bsicos.
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
se puede determinar y estimar por dos
mtodos generales: el grfico y el analtico.
281

Mtodo de los promedios mviles, llamado tambin mtodo emprico o

mtodo grfico.
Mtodo de los ajustes de una lnea o funcin o mtodo analtico. Este es el
ms utilizado, pudiendo ser:
a) TENDENCIA RECTILNEA.- Se representa por la frmula general:
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.
Donde n nos indica el nmero de clases utilizadas.
b) TENDENCIA CURVILNEA.- Las tendencias curvilneas pueden ser de dos

tipos:
1. Tendencia Parablica.-
Y = a + bx + cx2
282

2. Tendencias Logartmica.- Estas a su vez se clasifican en:
TENDENCIA EXPONENCIAL O LOGARTMICA
Y = abx
TENDENCIA EXPONENCIAL MODIFICADA
Y = K + abX
TENDENCIA LOGSTICA
CURVA DE GOMPERTZ
TENDENCIA DE EXTRAPOLACIN
283

8.7.2. VARIACIONES ESTACIONALES

Son las oscilaciones que se repiten a intervalos regulares durante un
periodo de tiempo o pueden ser fluctuaciones peridicas que se presentan en
forma mensual, semestral, anual, etc.
-
Ejemplo:
La temperatura que aumenta en verano y baja en invierno
Las ventas que aumentan en el fin de mes
Las fiestas patronales
Las disposiciones legales que entran en vigor en fechas determinadas.
8.7.3. VARIACIONES IRREGULARES, FORTUITAS O ACCIDENTALES

Son aquellas que no estn sujetas a un ritmo determinado, la causa es un
acontecimiento fortuito como guerras, inundaciones, terremotos, huelgas,
elecciones, modificaciones de disposiciones fiscales, un crack financiero.
Ejemplo:
-
La prosperidad que viven los pueblos de Alemania y Japn.
8.7.4. CICLO U OSCILACIN

Cuando se ampla la duracin de los periodos sobre los cuales se ha
medido la tendencia puede observarse un cambio en la medida de la
tendencia, que constituye parte de otro movimiento ms general que en el ciclo u
oscilacin.
Ejemplo:
-
Con que movimiento caracterstico de una serie de tiempo se asociara

principalmente c/u de los siguientes tpicos:
284

Ejemplos para el mejor reconocimiento de las variaciones:
a) Incendio en una fbrica retrasa la produccin por 3 semanas

Variacin irregular
b) Una etapa de prosperidad.
Variacin cclica
c) La venta de un departamento despus de Pascua.
Variacin estacional
d) La necesidad de incrementar la produccin de trigo, debido a un aumento de
la poblacin.
Variacin irregular
e) Nmero de pulgadas de lluvia, en un lapso de 5 aos.
Variacin estacional
f)
Una etapa de pocas ventas de juguetes en el mes de febrero.

Variacin estacional
8.8. FACTORES QUE AFECTAN A LA TENDENCIA

El crecimiento de una industria como un todo estima que es influenciada
bsicamente por los siguientes factores:
1. Incremento de la poblacin
2. Incremento de la energa no humana
3. Capital acumulado
4. Progreso Tecnolgico
Cuando nos referimos a una industria o compaa en particular se debe considerar

un quinto factor: La demanda por un artculo con relacin con otras mercaderas.
285

8.9. METODO DE ESTIMACIN DE LA TENDENCIA

Una tendencia puede estimarse de diferentes maneras:
1. Mtodo de los mnimos cuadrados. Este mtodo, descrito en el captulo 13,

pude usarse para calcular la ecuacin de una recta o curva de tendencia
apropiada. Con esta ecuacin se suelen calcular los valores de tendencia T.
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.
3. Mtodo del promedio mvil. Por medio de promedios mviles de orden

adecuado, se pueden eliminar patrones cclicos, estacinales e irregulares as slo
el movimiento de tendencia.
Una desventaja de este mtodo es que los datos al inicio y final de las series se
pierden, como en el ejemplo 1, donde se inici con siete nmeros y con un
promedio mvil de orden 3 se lleg a cinco nmeros. Otra desventaja es que los
promedios mviles pueden generar ciclos u otros movimientos que no estaban en
los datos originales. Una tercera desventaja es que los promedios mviles se ven
muy afectados por valores extremos. Para superar esto de alguna manera,
algunas veces se utiliza un promedio mvil ponderado con pesos adecuados; en
tal caso, se da el dato o a los datos centrales el mayor peso y a los valores
extremos se les proporcionan pesos pequeos.
4. Mtodo de los semipromedios. Este consiste en separar los datos en dos

partes (de preferencia iguales) y calcular el promedio de los datos en cada parte,
con lo que se obtienen dos puntos en la grfica de series de tiempo. Despus se
traza una recta de tendencia entre estos dos puntos. Los valores de tendencia a
286

partir de la recta de tendencia, pero tambin pueden determinarse de manera

directa, sin grfica
A pesar de que este mtodo es sencillo de aplicar, suele conducir resultados
pobres cuando se utiliza en forma indiscriminada. Adems, slo es aplicable
cuando la tendencia es lineal o aproximadamente lineal, aunque llega a
extenderse a casos en donde los datos pueden separarse en varias partes, en
cada una de las cuales la tendencia sea lineal.
ESTIMACION DE LAS VARIACIONES ESTACIONALES
INDICE ESTACIONAL
Para determinar el factor estacional S en la ecuacin (l), se debe estimar cmo

varan los datos en las series de tiempo de un mes a otro, considerando un ao
tpico. Un conjunto de nmeros que muestra los valores relativos de una variable
durante los meses del ao se llama ndice estacional de la variable. Por ejemplo,
si se conoce que las ventas durante enero, febrero, marzo, etc., son de 50, 120,
90, . Por ciento del promedio de las venta mensuales para todo el ao, entonces
los nmeros 50, 120, 90, . Proporcionan el ndice estacional del ao, estos
nmeros suelen llamarse nmeros ndice estacionales. El promedio (media) del
ndice estacional para todo el ao debe ser 100, es decir, la suma de los nmeros
ndice de los 12 meses tiene que ser 1200%
Diversos mtodos estn disponibles para calcular el ndice estacional.
1. Mtodo de porcentaje promedio.
En este mtodo, los datos de cada se me expresan como porcentajes del

promedio del ao. Entonces, se promedian los porcentajes de los meses
correspondientes de diferentes aos, usando una media o una mediana; si se usa
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.
2. Mtodo del porcentaje de la tendencia o de la razn de la tendencia.

En este mtodo, los datos de cada mes se expresan como porcentajes de valores
de la tendencia mensual. Un promedio adecuado de los porcentajes para los
meses correspondientes proporcionan, entonces, el ndice requerido. Igual que en
el mtodo 1, estos se ajustan si no promedian 100%
Obsrvese que dividir cada valor mensual Y entre el valor de tendencia T

correspondiente, proporciona Y/T = CSI, de la ecuacin (l), y que el siguiente
promedio de Y/T produce los ndices estacionales. Mientras estos ndices incluyan
variaciones cclias e irregulares, stas pueden ser una desventaja importante del
mtodo, especialmente si las variaciones son grandes.
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

Obsrvese que el razonamiento lgico de este mtodo parte de la ecuacin (l). Un

promedio mvil centrado de 12 meses de Y sirve para eliminar los movimientos
estacinales e irregulares S e I; por lo tanto, es equivalente a los valores dados
por TC. Entonces, al dividir los datos originales entre TC, se obtiene SI. Los
promedios siguientes para los meses correspondientes sirven para eliminar la
irregularidad I y producen en consecuencia, un ndice adecuado.
ESTIMACION DE LAS VARIACIONES CICLICAS
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.
ESTIMACION DE LAS VARIACIONES IRREGULARES
Las variaciones irregulares (o aleatorias) pueden estimarse ajustando los datos a

las variaciones de tendencia, estacionales y cclicas. Esto equivale a dividir los
datos originales y entre T, S y C, lo que [por ecuacin (1) da I. En la prctica se
encuentra que los movimientos irregulare se inclinan a tener una pequea
magnitud y suelen seguir el patrn de una distribucin normal; es decir, las
pequeas desviaciones ocurren con gran frecuencia
la desviaciones grandes
suceden con poca frecuencia].
289

PROMEDIOS MOVILES
A menudo, se considera que una tendencia secular es un indicio del recorrido

general de la generacin d una serie de tiempo. Si se tiene incertidumbre de que
la tendencia sea lineal o de que se podra describir mejor por medio de alguna otra
clase de curva, si no estamos seguros de tener en realidad una tendencia o parte
de un ciclo y si no estamos realmente interesados en obtener una ecuacin
matemtica, podemos describir muy adecuadamente el comportamiento general
de una serie de tiempo mediante una serie artificial conocida como promedio
mvil.
Un promedio mvil se construye sustituyendo cada valor de una serie por la media
del mismo y algunos de los valores inmediatamente anteriores y posteriores. Por
ejemplo, en un promedio mvil de tres aos, calculado en relacin con datos
anuales, cada cifra anual es reemplazada por la media de ella misma y las cifras
anuales de los dos aos adyacentes; en un promedio mvil de cinco aos cada
cifra anual se sustituye por la media de dicha cifra y las de los dos aos anteriores
y las de los dos aos siguientes. Di la ponderacin se realiza en un nmero par de
periodos, por ejemplo, 4 aos o 12 meses, el promedio mvil quedar inicialmente
entre aos o meses sucesivos.
En estos casos, se suelen reordenar (o centrar) los valores tomando el
promedio mvil de los dos aos (o dos meses) adyacentes. Utilizaremos este
procedimiento ms adelantes para medir la variacin estacional.
El problema bsico en la elaboracin de un promedio mvil es la eleccin de un
periodo apropiado para el promedio. Esta eleccin depende considerablemente de
la naturaleza de los datos y del propsito para el cual se elabora el ndice.
Ordinariamente, el objeto de ajustar un promedio mvil es el de eliminar, hasta
donde sea posible, las fluctuaciones indeseables o perturbadoras de los datos.
El primer paso del procedimiento consiste en determinar los totales mviles de los
12 meses que aparecen en la columna 2. El primer dato de esta columna 211.5,
290

es la suma de los envos de los 12 meses de 2001 y se anota a la mitad del

periodo, entre junio y julio del 2001.
El segundo dato de la columna, 215.0, se obtiene al restarle 211.5 la cifra de
enero del 2001 y sumarle la cifra de enero del 2002; en otras palabras, 211.5 es la
suma de os 12 envos mensuales de febrero del 2001 al 2002, y se anota ala
mitad de este periodo.
El tercer dato y los dems de esa columna se obtienen con este mismo proceso
de sustraccin y adicin de los valores mensuales.
A fin de obtener un promedio mvil de 12 meses centrado en los datos originales,
calculamos a continuacin los totales mviles de dos meses, con las anotaciones
en la columna 2. Estos datos se muestran en la columna 3, donde el primer
nmero es la suma de los dos primeros valores de la columna 2, el segundo es la
suma del segundo y tercer valor de la columna 2, etc. Estos datos de la columna 3
se anotan entre los de la columna 2 y, por consiguiente, estn alineados (o
centrados) con los datos originales.
Como cada anotacin en la columna 2 es la suma de 12 cifras mensuales y cada
registro de la columna 3 es la suma de dos datos de la columna 2, o en total, la
suma de 24 cifras mensuales, obtenemos por ltimo el promedio mvil centrado,
de 12 meses, que se muestra en la columna 4, luego de dividir cada registro de la
columna 3 entre 24. Estos valores de los promedios mviles son las estimaciones
de la tendencia del ciclo y, ahora, las empleamos para eliminar las componentes
T.C de la serie original. Esto se logra dividiendo los datos T.S.C.I originales, mes
por mes, entre las estimaciones T.C correspondientes (es decir, entre los valores
correspondientes del promedio mvil).
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

Se acostumbra localizar cada nmero del promedio mvil en su posicin

apropiada, relacionada con los datos originales. En este ejemplo se escribira.
Datos originales
2, 6, 1, 5, 3, 7, 2
Promedio mvil de orden 3
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

OCURRENCIA DE EMERGENCIAS A NIVEL NACIONAL

1995 2005
AOS
DEPARTAMENTO
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

8.9.1. MTODO DE LOS MNIMOS CUADRADOS PARA TENDENCIAS

RECTILNEAS
Este mtodo consiste en elegir la recta de modo tal que la suma de los cuadrados
de los desvos entre los puntos representados y la recta, sea la menor posible.
La ecuacin de la recta es:
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:
Conocidos tambin como ecuaciones normales del mtodo de los mnimos

cuadrados. Donde n nos indica el nmero de clases utilizadas.
EJERCICIO N 1
Se analiza la savia de 5 rboles para determinar la cantidad de hormona

vegetal que causa la cada de las hojas, para los rboles de la siguiente tabla
cuando se liberan X ug de hormona vegetal ocurre la cada de Y (hojas).
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)
-280 a 15 680 b = -123 032

2 080 a + 17 826 b = 142 632
2 146 b = 19 600
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
Y57 = 9.133271202 (57) 72.06318733 = 448.53322712

Y38 = 9.133271202 (38) 72.06318733 = 275.0011183
Y75 = 9.133271202 (75) 72.06318733 = 612.9321528
Y82 = 9.133271202 (82) 72.06318733 = 676.8650512
b. Y100 = 9.133271202 (100) 72.06318733 = 841.2639329
Cuando se libera 100 ug de hormona vegetal, caen 84 hojas.
296

EJERCICIO N 2
Calcula la tendencia para los prximos 10 aos de la siguiente serie cronolgica

que nos indica el movimiento econmico en la facultad de farmacia con respecto a
las pensiones de los alumnos. As no se solicite el grfico de todas maneras se
realiza.
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)
-36 a 144 b = -663.2

36 a + 204 b = 714
60 b = 50.8
b = 0.84666667
9a +
36(0.8466667) = 165.8
a = 15.035555556
Y = 15.03555556 + 0.84666667x
Y = 15.03555556 + 0.84666667x
298


Y2002 = 15.03555556 + 0.84666667 (0) = 15.0355556
Y2003 = 15.03555556 + 0.84666667 (1) = 15.8822223
Y2004 = 15.03555556 + 0.84666667 (2) = 16.728889
Y2005 = 15.03555556 + 0.84666667 (3) = 17.5755557
Y2006 = 15.03555556 + 0.84666667 (4) = 18.422224
Y2007 = 15.03555556 + 0.84666667 (5) = 19.2688891
Y2008 = 15.03555556 + 0.84666667 (6) = 20.115558
Y2009 = 15.03555556 + 0.84666667 (7) = 20.962225
Y2010 = 15.03555556 + 0.84666667 (8) = 21.8088892
b. Tendencias para los prximos 10 aos

Y2011 = 15.03555556 + 0.84666667 (9) = 22.655559
Y2012 = 15.03555556 + 0.84666667 (10) = 23.502226
Y2013 = 15.03555556 + 0.84666667 (11) = 24.3488893
Y2014 = 15.03555556 + 0.84666667 (12) = 25.195556
Y2015 = 15.03555556 + 0.84666667 (13) = 26.0422227
Y2016 = 15.03555556 + 0.84666667 (14) = 26.8888894
299

Y2017 = 15.03555556 + 0.84666667 (15) = 27.7355561

Y2018 = 15.03555556 + 0.84666667 (16) = 28.5822228
Y2019 = 15.03555556 + 0.84666667 (17) = 29.4288895
Y2020 = 15.03555556 + 0.84666667 (18) = 30.2755562
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
6a +
15 (0.246371428) =
72.331
a = 11.4392381
Y = 15.03555556 + 0.84666667x
Y = 11.4392381 + 0.246371428x
302

Y2005 = 11.4392381 + 0.246371428 (0) = 11.4392381

Y2006 = 11.4392381 + 0.246371428 (1) = 11.68560953
Y2007 = 11.4392381 + 0.246371428 (2) = 11.93198096
Y2008 = 11.4392381 + 0.246371428 (3) = 12.17835238
Y2009 = 11.4392381 + 0.246371428 (4) = 12.42472381
Y2010 = 11.4392381 + 0.246371428 (5) = 12.67109524
b. Tendencias para los prximos 10 aos
Y2011 = 11.4392381 + 0.246371428 (6) = 12.91746667
Y2012 = 11.4392381 + 0.246371428 (7) = 13.1638381
Y2013 = 11.4392381 + 0.246371428 (8) = 13.41020952
303

EJERCICIO N 4
Estimar la tendencia por el mtodo de lo Mnimos Cuadros de las Libretas de una

Caja de Abarrotes con Arreglo a la edad de sus titulares y el saldo que
representan una cierta fecha con el objeto de estimar la relacin entre las edades
(X) y los saldos (Y), calcular los valores presuntos de los saldos correspondientes
para personas de 22 y 50 aos de edad, tanto grficos como numricamente.
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
(30) 6 a 180 b 94,573

180 a 7150 b 3003,585
180 a 5,400 b 2837,190
180 a 7,150 b 3003,585
1,750 b 166,395
b 95.08285714
6 a 180 (95.08285714) 94,573

a 12,909.68095
Y a bx
Y 12,909.68095 95.08285714 x
305

306

307

8.9.2. METODO SIMPLIFICADO DE LOS MINIMOS CUADRADOS

Consiste en el empleo de frmulas simplificadas para lo cual a las ecuaciones
normales de los mnimos cuadrados hacemos la X igual a cero.
Si x = 0
Primero Hallamos el valor de a
na = Y
Hallamos el valor de b
b X2 = X Y
NOTA: El mtodo simplificado de los mnimos cuadrados se recomienda para la

aplicacin en series cronolgicas que tengan un nmero impar de clases.
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:
1. Que estos fenmenos estn ntimamente ligados unos de otros, como

sucede con las presiones y volmenes de un gas a temperatura
constante, las circunferencias y los radios.
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
(este tercer caso se dice que estn en correlacin).
Siendo su caso ms frecuente en administracin, economa, demografa,

industria, etc.
4. El problema que se plantea es de poder asegurar la existencia de una

relacin de dependencia entre los valores de uno y otro, y determinar la
forma algebraica o por lo menos grfica de tal relacin de dependencia.
309

Ejemplo donde se aplica la correlacin:

Alcoholismo y criminalidad.
Consumo de cierto producto y la inversin en publicidad.
Analfabetismo y bajo ingreso per-cpita de la poblacin.
Consumo de tabaco y las enfermedades cardiacas.
Influencia de la temperatura
invernal y la incidencia de las
enfermedades respiratorias.
Belleza e inteligencia.
Aptitud de la msica y para las matemticas.
Grficos ideales de la correlacin
310

311

312

PARMETROS DE LA CORRELACIN
(-1 --- +1)

Si todos los valores de las variables satisfacen una ecuacin se dice que las
variables estn correlacionados perfectamente sea hay una correlacin perfecta
entre ellos.
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

Cuando se trata de 2 variables se habla de correlacin lineal simple, cuando se

trata de 2 variables se habla de correlacin mltiple y de regresin mltiple.
Si todos los puntos de un diagrama de dispersin sin encontrarse sobre la recta o
cerca de la ella a correlacin se dice que es lineal.
Si y tiene a incrementarse cuando se incrementa X, la correlacin se dice negativo
o correlacin inversa.
Si todos los puntos parecen estar cerca de una curva la correlacin se dice no
lineal y una ecuacin no lineal es la apropiada para la regresin o estimacin.
Si no hay ninguna relacin entre los variables se dice que no hay correlacin entre
ellos es decir no estn correlacionados.
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
Cuando x est en funcin de Y

Se obtiene haciendo en las ecuaciones normales en el mtodo de los mnimos
cuadrados, donde x esta en funcin de y
FORMULA PARA OBTENER LA TENDENCIA Y LA REGRESIN
314

b) MNIMO CUADRADOS (ECUACIN NORMAL)
c) FRMULAS SIMPLIFICADAS
315

d) MTODO PRODUCTO. MOMENTO
316

CALCULO DEL COEFICIENTE DE CORRELACIN

Para Calcular el coeficiente de correlacin entre 2 grupos de valores que miden 2
fenmenos diferentes se emplean las siguientes frmulas:
317

Ejercicio:
Determinar el coeficiente de correlacin y su grfica correspondiente de las

siguientes variables.
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
56a + 524b = 364

132b
b
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 = (40) (524) (56) (364)

8 (524) (56)2
a = 0.54545454
320

xy x y
x 2 x
b= 8 (364) (56) (40)

8 (524) (56)2
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
40a + 256b = 364

-40a - 200b = -280
40a + 256b = 364
56b = 84
b = 84/56
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

EJERCICIO: Experimentalmente se ha encontrado las siguientes cifras durante el

proceso del estudio del secado de cierta madera por el mtodo del vapor
recalentado determinar el coeficiente de correlacin y su grafico correspondiente
haciendo uso del mtodo de los mnimos cuadrados y de las frmulas
simplificadas.
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
151a + 4873b = 247
-906a - 2280b = -2265

906a + 29238b = 1482
6437b = -783
b = -783/6437
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 = (15) (4873) (151) (247)

6 (4873) (151)2
a = 5.561286314
xy x y
x 2 x
b= 6 (247) (15) (151)

6 (4873) (151)2
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

(2) 15a + 55b = 247

-30a - 75 = -755
30a + 110b = 494
35b
-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
y = 43. 80952382 -7.457142857142857x
329

8.12. METODO PRODUCTO MOMENTO

Este mtodo difiere de los mtodos de los mnimos cuadrados en que mediante la
aplicacin de frmulas simplificadas se obtiene hasta 8 estadgrafos diferentes.
Este mtodo digiere tambin en que no es necesario encontrar por separado los
valores de a y b de las tendencias obteniendo directamente las ecuaciones.
Despus de este mtodo se hace uso principal de la media aritmtica segn la
cual la algebraica de los desvos de un conjunto de datos con respecto a su
media aritmtica es igual a 0 determinando nuevos valores de x, y.
Este mtodo nos da directamente el significado de la correlacin y de las frmulas

para su grfico.
1. FORMULA PARA CALCULAR EL COEFICIENTE DE CORRELACION
2. FORMULA PARA CALCULAR LA ECUACIN DE LA TENDENCIA Y EN

FUNCION DE X.
a. X f(y) Y = a + bx
330

3. FORMULA PARA CALCULAR LA REGRESION X EN FUNCION DE Y.
a. X f(y) X = a + by
4. FORMULA PARA CALCULAR LA VARIANZA DE LOS VALORES DE X.
5. FORMULA PARA CALCULAR LA VARIANZA DE LOS VALORES DE Y.
6. FORMULA PARA CALCULAR LA DESVIACION STANDAR DE LOS VALORES

DE X.
331

7. FORMULA PARA CALCULAR LA DESVIACION STANDAR DE LOS VALORES

DE X.
8. FORMULA PARA CALCULAR LA CO-VARIANZA
EJERCICIO
Calcular mediante el mtodo de los productos momento sus 8 estadgrafos.
Confirmar los datos en cuanto a la correlacin mediante el mtodo de las

ecuaciones normales de los mnimos cuadrados con respecto a la estatura
de sus padres con la de sus hijos primognitos.
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
2. ECUACIN DE LA TENDENCIA Y EN FUNCION DE X.
334

3. REGRESION X EN FUNCION DE Y.
4. VARIANZA DE LOS VALORES DE X.
335

5. VARIANZA DE LOS VALORES DE Y.
6. DESVIACION STANDAR DE LOS VALORES DE X.
336

7. DESVIACION STANDAR DE LOS VALORES DE X.
8. CO-VARIANZA
8.13. TENDENCIAS NO LINEALES
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 :
Las que a su vez se clasifican en:
Tendencia Exponencial o logartmica
Tendencia Exponencial modificada
Tendencia Logstica
338

Curva de Gompertz
Tendencia de extrapolacin
8.13.1. TENDENCIA PARABOLICA

La forma general de la ecuacin polinomial de las tendencias parablica es:
Cuando se usa la ecuacin polinomial para describir movimiento de Tendencias no

lineal generalmente son escritas en su forma ms simple.
339

Que tiene tres parmetros: a, b, c la cual se determina por el mtodo simplificado

de los mnimos cuadrados.
La ecuacin polinomial de 2do. Grado tambin llamada parbola recibe el nombre
de 2do. Grado porque la ms alta potencia de la variable x es 2. Puesto que
hay 3 variables o constantes desconocidas
necesario desarrollar
a, b, c, en la ecuacin es
3 ecuaciones para resolver las incgnitas.
Las 3
ecuaciones normales desarrolladas mediante el mtodo de los mnimos cuadrados

son:
En la prctica son simplificadas antes de emplearse para encontrarse las

incgnitas de la ecuacin polinomial de 2do grado para una serie de tiempo. La
simplificacin se logra haciendo que la suma de los valores de x, los cuales son
asignados para representar los aos de la serie de tiempo sea igual a cero
(0).
Haciendo que la sumatoria de x sea igual a 0 entonces:
340

A fin de hacer que la sumatoria de X sea igual a 0, por lo tanto la sumatoria de X3

= 0. El origen de la variable X debe ser localizado en el centro del periodo incluido
en la serie tiempo.
MEDICION DE TENDENCIAS MEDIANTE LOGARITMO
341

Las tendencias pueden ser tambin dibujadas en un papel semi-logaritmico en la

forma de una lnea recta o una curva no lineal.
Cuando es una recta en una grfica semi-logaritmica, la tendencia muestra el

incremento de los valores de Y de una serie de tiempo ha una tasa constante
(una lnea recta en una grfica aritmtica indica que el crecimiento ocurre en una
cantidad constante).
Cuando es una curva no-lineal en una grfica semi-logaritmica.
Una curva
ascendente muestra un crecimiento a tasas variables que dependen de las formas

de las pendientes, mientras ms pronunciado es la pendiente mayor ser la tasa
de crecimiento.
Las tendencias logartmicas pueden ser de dos tipos:

1) De Tendencia Exponencial.
2) Curvas de Crecimiento.
Entre las Tendencias Exponenciales tenemos:

A) La Tendencia Exponencial propiamente dicha
B) La Exponencial modificada
Entre las curvas de Crecimiento tenemos:

A) La tendencia Logstica
B) LaCurva de Gompertz.
C) La tendencia de Extrapolacin.
8.13.2. LA TENDENCIA EXPONENCIAL
342

Existe muchas series cronolgicas que tienden a variar: ascender o descender en

forma geomtrica, cuya tendencia se puede expresar mediante una curva
exponencial. Como ejemplo se puede mencionar:
El crecimiento de la poblacin demogrfica.
La evolucin del Ingreso nacional.
Los depsitos en ahorros.
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.
Donde a y b son los parmetros y la variable x (= tiempo) est como exponente.

Tomado logaritmos en ambos miembros tenemos:
Partiendo de las ecuaciones normales de los mnimos cuadrados:
Donde los parmetros Log a, Log b, se obtienen de las siguientes ecuaciones

normales en funcin de los logaritmos:
343

Si deseamos obtener por el mtodo simplificado de los mnimos cuadrados,

frmulas simplificadas, tenemos que hacer la:
344

Si queremos transformar la tendencia logartmica a tendencia exponencial

encontramos el antilogaritmo.
La tendencia exponencial tambin se utiliza cuando se tiene series cronolgicas

en los cuales interesa calcular de la variacin en un perodo dado.
Si en la Ecuacin Exponencial
Donde r es la tasa de crecimiento, se convierte la ecuacin que corresponde a la

frmula de inters compuesto cuya expresin ms conocida es
M = c (1 + r)
donde M es el resultante al final de t periodos donde C es el capital invertido a

una tasa de inters, r con capitalizacin en cada periodo
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

Ambiente de decisin en el que slo existe un estado de naturaleza.

Coeficiente de correlacin parcial:
Medida de la asociacin entre dos variables despus de controlar o ajustar
los efectos de una o ms variables adicionales.
Coeficiente de correlacin:
Raz cuadrada del coeficiente de determinacin. Su signo indica la direccin
de la relacin entre dos variables, directa o inversa.
Coeficiente de determinacin mltiple:
Porcentaje de la variacin de la variable dependiente que es explicado por
la regresin. R2 mide qu tan bien la regresin mltiple se ajusta a los
datos.
Coeficiente de determinacin:
Medida de la proporcin de variacin en Y, la variable dependiente, que es
explicada por la lnea de regresin, esto es, por la relacin de y con la
variable independiente.
Coeficiente de variacin:
Medida relativa de la dispersin, comparables por medios distribuciones
diferentes, que expresa la desviacin estndar como porcentaje de la media.
Correlacin de rango:
Mtodo para hacer anlisis de correlacin cuando los datos no estn
disponibles en forma numrica, pero cuando la informacin es suficiente
para clasificar los datos.
Correlacin serial:
Existe cuando las observaciones sucesivas a travs del tiempo se relacionan
entre s.
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

Raz cuadrada positiva de la varianza; medida de dispersin con las misma

unidades que los datos originales, ms bien que en las unidades al cuadrado
en que est la varianza.
Dispersin:
La extensin o variabilidad de un conjunto de datos.
Distribucin asimtrica:
Se presenta cuando la distribucin de un conjunto de datos resulta con un
promedio, una mediana y una moda con valores diferentes; tambin se
considera como una distribucin "sesgada".
Distribucin bimodal:
Distribucin de puntos de datos en la que dos valores se presentan con mas
frecuencias que los dems elementos del conjunto de datos.
Distribucin binomial:
Distribucin que describe los resultados de un experimento conocido como
proceso de Bernoulli.
Distribucin de frecuencias relativas:
Despliegue de un conjunto de datos en el que se muestra la fraccin o
porcentaje del total del conjunto de datos que entra en cada elemento de un
conjunto de clases mutuamente exclusivas y colectivamente exhaustivas.
Distribucin de frecuencias:
Distribucin matemtica cuyo objetivo es obtener un conteo del nmero de
respuestas asociadas con los distintos valores de una variable y expresar
estos conteos en trminos de porcentajes.
Distribucin de ji cuadrada:
350

Distribucin asimtrica cuya forma depende nicamente del nmero de

grados de libertad. Conforme se incrementa el nmero de grados de
libertad, la distribucin de ji cuadrada se hace ms simtrica.
Distribucin de la muestra:
La distribucin de los valores de la estadstica de una muestra (calculada
para cada muestra posible), que pueda tomarse de la poblacin meta de
acuerdo con un plan de muestreo especfico.
Distribucin de muestreo de la media:
Una distribucin de probabilidad de todas las medias posibles de muestras
de un tamao dado, n, de una poblacin.
Distribucin de muestreo de una estadstica:
Para una poblacin dada, distribucin de probabilidad de todos los valores
posibles que puede tomar una estadstica, dado un tamao de muestra.
Distribucin de Poisson:
Distribucin discreta en la que la probabilidad de presentacin de un evento
en un intervalo muy pequeo es un nmero tambin pequeo, la
probabilidad de que dos o ms de estos eventos se presenten dentro del
mismo intervalo
es efectivamente igual a cero, y la probabilidad de presentacin del evento
dentro del periodo dado es independiente de cundo se presenta dicho
periodo.
Distribucin de probabilidad:
Lista de los resultados de un experimento con las probabilidades que se
esperaran ver asociadas con cada resultado.
Distribucin discreta de probabilidad:
351

Distribucin en la que la variable tiene permitido tomar solamente un

nmero limitado de valores.
Distribucin F:
Familia de distribuciones diferenciadas por dos parmetros (grados de
libertad del numerador, grados de libertad del denominador), utilizada
principalmente para probar hiptesis con respecto a variancias.
Distribucin hipergeomtrica:
La distribucin correcta para calcular el riesgo del consumidor; a menudo
se
le aproxima mediante la distribucin binomial.
Distribucin Ji-cuadrada:
Familia de distribuciones de probabilidad, diferenciadas por sus grados de
liberta, que se utiliza para probar un cierto nmero de hiptesis diferentes
acerca de varianzas, proporciones y bondad de ajuste de distribuciones.
Distribucin normal estndar:
Distribucin normal de probabilidad con media cero y una desviacin
estndar de 1.
Distribucin normal:
Distribucin de una variable aleatoria continua que una curva de un solo
pico y con forma de campana. La media cae en el centro de la distribucin y
la curva es simtrica con respecto a una lnea vertical que pase por la
media. Los dos extremos se extienden indefinidamente, sin tocar nunca el
eje horizontal. Base para la inferencia estadstica clsica que tiene forma de
campana y apariencia simtrica. Todas sus medias de tendencias central
son idnticas.
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

Una encuesta de mercado puede servir como un medio para evaluar el

impacto que el producto est teniendo en el mercado. Se pueden hacer
preguntas que retroalimenten el diseo, el proceso o la calidad de
materiales usados.
Encuesta:
Recaudacin sistemtica de informaciones cerca de una poblacin definida
para estudiar sus caractersticas, a travs del juego de formularios
aplicados sobre una muestra de unidades de poblacin. La encuesta
constituye as la base del sistema de informacin estadstica, permitiendo
proporcionar datos completos y fiables.
Error aleatorio:
Error que surge de diferencias o cambios aleatorios en los entrevistados o
las situaciones de medicin.
Error de medicin:
La variacin en la informacin que el investigador y la informacin que
genera el proceso de medicin empleado.
Error de muestreo:
Error o variacin entre estadsticas de muestra debido al azar; es decir,
diferencias entre cada muestra y la poblacin, y entre varias muestras que
se deben nicamente a los elementos que elegimos para la muestra.
Error estndar de la estimacin:
Medida de la confiabilidad de la ecuacin de estimacin, que indica la
variabilidad de los puntos observados alrededor de la lnea de regresin,
esto es, hasta qu punto los valores observados difieren de sus valores
predichos sobre la lnea de regresin.
354

Error estndar de la media:

La desviacin estndar de la distribucin de muestreo de la media; una
medida del grado en que se espera que varen las medias de las diferentes
muestras de la media de la poblacin, debido al error aleatorio en el
proceso de muestreo.
Error estndar de un coeficiente de regresin:
Medida de nuestra incertidumbre acerca del valor exacto del coeficiente de
regresin.
Error estndar del coeficiente de regresin:
Medida de la variabilidad del coeficiente de regresin de muestra alrededor
del verdadero coeficiente de regresin de poblacin.
Error estndar:
La desviacin estndar de la distribucin de muestreo de una estadstica.
Error muestral:
Diferencia entre el estadstico observado de la muestra probabilstica y el
parmetro de la poblacin.
Error por falta de muestreo:
Error que puede atribuirse a fuentes distintas a la del muestreo; puede ser
aleatorio o no.
Espacio muestral:
Conjunto de todos los resultados posibles de un experimento.
Esperanza:
La esperanza (valor esperado o media) de una variable aleatoria discreta es
la suma de los productos de sus valores por sus probabilidades asociadas.
Estadstica:
355

Rama de las matemticas que se ocupa de reunir, organizar y analizar

datos numricos y que ayuda a resolver problemas como el diseo de
experimentos y la toma de decisiones.
Estadstica de ji cuadrada:
Dato que se utiliza para probar la significacin estadstica de la asociacin
observada en una tabulacin cruzada. Nos ayuda a determinar si existe una
asociacin sistemtica ente las dos variables.
Estadstica de prueba:
Medida de cunto se acerca la muestra a la hiptesis nula. Con frecuencia,
sigue una distribucin muy conocida, como la normal, t de Student o ji
cuadrada.
Estadstica descriptiva:
Es la ciencia que analiza, organiza, recopila e interpreta informacin
cualitativa en grficas o tablas y se encarga de establecer los parmetros
que definen una poblacin.
Estadstica inferencial:
Es el tipo de estadstica que interpreta la informacin de tal manera que
nos pueda llevar a sacar conclusiones vlidas, a partir del estudio de una
muestra.
Estadstica F:
Relacin de las varianzas de dos muestras.
Estadstica t:
Estadstica que supone que la variacin tiene una distribucin simtrica en
forma de campana, que se conoce la media (o se supone que se conoce) y
que la varianza de la poblacin se estima a partir de la muestra.
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

Proceso de manipular o observar datos de una o ms variables

independientes y medir su efecto sobre una o ms variables dependientes,
mientras se controlan las variables extrnsecas.
Frecuencia absoluta:
Es el nmero de veces que ocurre un cierto suceso, en la proporcin de veces
que ocurre dicho suceso con relacin al nmero de veces que podra haber
ocurrido.
Frecuencia relativa:
Porcentaje de elementos totales que aparecen en una determinada
categora.
Frecuencia acumulada:
En una tabla de frecuencias, cuando la variable es cuantitativa y, por tanto,
los distintos valores de la tabla aparecen ordenados de menor a mayor, se
llama frecuencia acumulada de un valor de la variable a la suma de su
frecuencia con las frecuencias de los valores anteriores.
Grados de libertad:
Nmero de valores de una muestra que podemos especificar libremente,
despus de que ya sabemos algo sobre dicha muestra.
Grfica lineal:
Presentacin grfica de magnitud en el conjunto de datos mostrado por la
pendiente de una lnea (o lneas) que ha sido situada con respecto a una
escala horizontal o vertical.
Grfico circular:
Crculo que divide en secciones de tal manera que el tamao de cada una de
stas corresponde a una proporcin del total.
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

Tamao de la distancia ente los elementos seleccionados en un muestreo

sistemtico; el reciproco de la fraccin muestral.
Lmites de confianza:
Lmites inferior y superior de un intervalo de confianza.
Lnea de regresin:
Una lnea ajustada a un grupo de puntos para estimar la relacin entre dos
variables.
Media:
El promedio; valor que se obtiene al sumar todos los elementos en un
conjunto y dividirlos entre el nmero de elementos.
Mediana:
Medida de tendencia central que se da como el valor arriba del cual caen la
mitad de los valores y abajo del cul cae la otra mitad.
Medidas de dispersin:
Estadsticas que expresan criterios para describir la ubicacin relativa de
los datos.
Medidas de localizacin:
Estadsticas que describen caractersticas generales de la ubicacin de los
datos dentro de un conjunto de valores posibles.
Medida de distancia:
Medida de dispersin en trminos de la diferencia entre dos valores del
conjunto de datos.
Medidas de tendencia:
Estadstica que describe una ubicacin dentro de un conjunto de datos. Las
medidas de la tendencia describen el centro de la distribucin.
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

Las tcnicas de muestreo aleatorio aseguran que cada elemento en la

poblacin de inters tenga una probabilidad (no nula) de ser incluido en la
muestra.
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 con reemplazo:
Procedimiento de muestreo en el que los elementos se regresan a la
poblacin despus de ser elegidos, de tal forma que algunos elementos de la
poblacin pueden aparecer en la muestra ms de una vez.
Muestreo sin reemplazo:
Procedimiento de muestreo en el que los elementos no se regresan a la
poblacin despus de ser elegidos, de tal forma que ningn elemento de la
poblacin puede aparecer en la muestra de una vez.
Multicolinealidad:
Problema estadstico que se presenta en el anlisis de regresin mltiple, en
el que la confiabilidad de los coeficientes de regresin se ve reducida debido
a un alto nivel de correlacin entre las variables independientes.
Nivel de confianza:
363

Probabilidad que los estadsticos asocian con una estimacin de intervalo

de un parmetro de poblacin. sta indica qu tan seguros estn de que a
estimacin de intervalo incluir al parmetro de la poblacin.
Nivel de significancia:
Valor que indica el porcentaje de valores de muestra que estn fuera ce
ciertos lmites, suponiendo que la hiptesis nula es correcta, es decir, se
trata de la probabilidad de rechazar la hiptesis nula cuando es cierta.
Observacin:
El registro en forma sistemtica, de patrones conductuales de personas,
objetos y sucesos a fin de obtener informacin sobre el fenmeno de inters.
Hecho de comprobar, describir, medir algo, particularmente un fenmeno,
por medio de instrumentos.
Ojiva:
Grfica de una distribucin de frecuencias acumuladas.
Parmetro:
Elemento variable en funcin del cual se explicitan las caractersticas
esenciales de un fenmeno. Se trata de una unidad de medida desconocida y
cuantitativa (tal como la renta total, la renta media, la produccin total, el
nmero de desempleados) utilizada por los investigadores para estudiar a
una poblacin entera u otros mbitos de inters. Valores que describen las
caractersticas de una poblacin.
Pendiente:
Constante para cualquier recta dada cuyo valor representa qu tanto el
cambio de unidad de la variable independiente cambia la variable
dependiente.
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

Cociente de un valor actual entre un valor base cuyo resultado es

multiplicado por cien.
Potencia de la prueba de hiptesis:
Probabilidad de rechazar la hiptesis nula cuando es falsa, es decir, una
medida de que tan bien funciona la prueba de hiptesis.
Porcentaje:
Cociente de un valor actual entre un valor base cuyo resultado es
multiplicado por cien.
Potencia de la prueba de hiptesis:
Probabilidad de rechazar la hiptesis nula cuando es falsa, es decir, una
medida de que tan bien funciona la prueba de hiptesis.
Probabilidad:
La posibilidad de que algo suceda.
Promedio mvil:
Se obtiene encontrando la media de un conjunto especfico de valores y
usndola despus para pronosticar el siguiente periodo.
Promedio:
Medida de tendencia central que se obtiene sumando los datos y
dividindolos por el nmero de ellos.
Promedio Ponderado:
Promedio de datos a los que se asigna distinta importancia relativa.
Quintil:
Percentil cuyo valor que indica su proporcin es un mltiplo de veinte.
Primer quintil es el percentil 20, segundo el percentil 40, etc.
Rango intercuartlico:
366

Rango de una distribucin que indica el 50% intermedio de las

observaciones.
Rango:
Diferencia entre los valores ms bajo y ms alto de una distribucin.
Regresin curvilnea. Asociacin entre dos variables que es descrito por una
lnea curva.
Regresin discriminante:
Procedimiento de regresin en el cual las variables de prediccin entran o
salen de la ecuacin de regresin una a la vez.
Regresin mltiple:
Tcnica estadstica que desarrolla simultneamente una relacin
matemtica entre dos o ms variables independientes y una variable
dependiente con escala de intervalo.
Regresin:
Proceso general que consiste en predecir una variable a partir de otra
mediante medios estadsticos, utilizando datos anteriores.
Relacin inversa:
Relacin entre dos variables en la que, al incrementares la variable
independiente, decrece la variable dependiente.
Relacin lineal:
Tipo particular de asociacin entre dos variables que puede describirse
matemticamente mediante una lnea recta.
Residual:
Diferencia entre el valor observado de la variable dependiente y el valor
proyectado por la ecuacin de regresin.
367

Seleccin del sesgo:

Variable extraa que se atribuye a la asignacin inadecuada de las
unidades de prueba a las condiciones de tratamiento.
Seal de rastreo:
Comprende el clculo de alguna medicin de error a travs del tiempo y el
establecimiento de lmites, de modo que cuando el error acumulativo rebase
dicho lmite, se alerte al pronosticador.
Serie de tiempo:
Consiste en datos reunidos, registrados u observados en incrementos
sucesivos de tiempo.
Serie estacionaria:
Es aquella cuyo valor estacionario no cambia a travs del tiempo.
Serie temporal:
Informacin acumulada a intervalos regulares, y mtodos estadsticos
utilizados para determinar patrones en dichos datos.
Sesgo:
Es el error humano, intencional o no intencional que se comete al ejecutar el
muestreo y que generalmente es sistemtico. Este error se minimiza a
travs de programas de entrenamiento, capacitacin y motivacin de
inspectores y recolectores de informacin estadstica.
Sistema de informacin geogrfica (SIG):
Un Sistema de Informacin Geogrfica (SIG) permite reunir, almacenar,
manipular y difundir informaciones geogrficas.
Tablas de Frecuencias:
368

Tabla que muestra el nmero de veces que en un conjunto de datos aparece

cada una de las clases de inters especificadas en el recorrido de los datos.
Tabulacin:
Es el procedimiento mediante el cual el conjunto de datos se ordenan segn
las categoras de determinada caracterstica.
Tamao de la muestra:
Nmero de unidades que se incluirn en un estudio.
Tasa de fecundidad:
Nmeros de nacimientos ocurridos en cierta poblacin durante un perodo,
entre la poblacin femenina en edad frtil.
Teorema bayes:
Frmula para el clculo de la probabilidad condicional bajo condiciones de
dependencia estadstica.
Teorema de Chebyshev:
No importa que forma tenga la distribucin, al menos 75% de los valores de
la poblacin caern dentro de dos desviaciones estndar a partir de la
media, y al menos 89% caer dentro de tres desviaciones estndar.
Teorema del lmite central:
Resultado que asegura que la distribucin de muestreo de la media se
acerca a la normalidad cuando el tamao de la muestra se incrementa, sin
importar la forma de la distribucin de la poblacin de la que se selecciona
la muestra.
Variable:
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

medicin consiste en la medicin de estos atributos. Las variables

cualitativas se dividen:
Variable cualitativa ordinal: Cuanto toman distintos valores ordenados,
que siguen una escala establecida. Las variables ordinales pueden ser
dicotmicas (Solo pueden tomar dos valores posibles, ejemplo: "S" o NO" u
"HOMBRE" o "MUJER") o tambin puede ser politmicas (cuando pueden
tomar 3 o ms valores, ejemplo: leve, moderado, grave).
Variable cualitativa Nominal: Cuando los valores que toma no pueden
estar sometidos a un criterio de orden (Como los colores o lugar de
residencia).
Variables cuantitativas:
Son las que se expresan mediante cantidades numricas que resultan de
medir o de contar, pueden ser:
Variable discreta: Presenta interrupciones o separaciones, en la escala de
valores que puede tomar esta variable, que indican la ausencia de valores
entre los distintos valores especficos que la variable puede tomar. Solo
puede tomar valores enteros.
Variable continua: Esta variable adquiere cualquier valor, dentro de un
intervalo de valores especficos. Puede tomar cualquier valor real dentro de
un intervalo.
Variable aleatoria:
Es una funcin real en un espacio probabilstico: hace corresponder a cada
evento elemental con un nmero real, el valor de la variable aleatoria en
ese evento elemental.
Variable dependiente:
371

La variable que tratamos de predecir en el anlisis de regresin.

Variables dependientes:
Variables que miden el efecto de las variables independientes sobre las
unidades de prueba.
Variables independientes:
Variables (s) conocida(s) en el anlisis de regresin.
Varianza:
Desviacin cuadrada media de todos los valores de la media.
372

Series Capitulo 8

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Series Capitulo 8

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE CIENCIAS ADMINISTRATIVAS

UNIVERSIDAD NACIONAL DEL CALLAO

8.1. RESEA HISTRICA

a. Una tendencia de largo plazo (que constituye el elemento de crecimiento de

Nerlove, Grether y Carvalho (1979) se adscriben a la visin que las series

UNIVERSIDAD NACIONAL DEL CALLAO

La introduccin de la computadora dio paso a mtodos de desestacionalizacin

a. El calendario propiamente dicho (feriados fijos, diferente nmero de das de

UNIVERSIDAD NACIONAL DEL CALLAO

c. El clima, que determina por ejemplo las cosechas, etc.

Dagum (1978) resume lo que considera las tres caractersticas ms importantes

a. Se repite cada ao con cierta regularidad, aunque puede evolucionar.

La componente tendencia representa los movimientos de largo plazo de la serie,

El ciclo es una oscilacin peridica, caracterizada por perodos alternantes de

La componente irregular est compuesta por movimientos imprevisibles

UNIVERSIDAD NACIONAL DEL CALLAO

8.2. IMPORTANCIA DEL PRONSTICO EN LOS NEGOCIOS

La necesidad de pronosticar prevalece en la sociedad moderna. Como ejemplo

Los ejecutivos de mercadotecnia de una corporacin grande de un mercado de

Para mantener un mercado secundario de reemplazo, para su flota de vehculos

UNIVERSIDAD NACIONAL DEL CALLAO

8.4. APLICACIONES MS IMPORTANTES DE LAS SERIES

analizar el Comportamiento de los

indicadores de la Economa Nacional

se usar Series Cronolgicas que

ayudan a proyectar y a estimar para los

prximos aos el nivel de la

formaciones , Tasa de Productividad de los obreros y empleados , etc, .

UNIVERSIDAD NACIONAL DEL CALLAO

2750 1382 2425

3285 2850 2950 2540 5025 6352

UNIVERSIDAD NACIONAL DEL CALLAO

La grfica de una serie cronolgica es una grfica de lnea, la cual se construye

Comportamiento de las ventas del producto A

8.6. ANALISIS DE SERIES CRONOLGICAS

Una serie cronolgica llamada tambin serie de tiempo o serie histrica de un

UNIVERSIDAD NACIONAL DEL CALLAO

Se dice tambin que es la variable dada en sucesivos instantes de tiempo

Las principales aplicaciones de las series cronolgicas son las proyecciones

8.7. ELEMENTOS DE UNA SERIE CRONOLGICA

variaciones, componentes, o movimiento caractersticos de una serie cronolgica

UNIVERSIDAD NACIONAL DEL CALLAO

Para algunas estadsticas el Anlisis de una serie cronolgica es igual a la suma

se puede determinar y estimar por dos

mtodos generales: el grfico y el analtico.

UNIVERSIDAD NACIONAL DEL CALLAO

Mtodo de los promedios mviles, llamado tambin mtodo emprico o

a) TENDENCIA RECTILNEA.- Se representa por la frmula general:

Donde n nos indica el nmero de clases utilizadas.

b) TENDENCIA CURVILNEA.- Las tendencias curvilneas pueden ser de dos

UNIVERSIDAD NACIONAL DEL CALLAO

2. Tendencias Logartmica.- Estas a su vez se clasifican en:

TENDENCIA EXPONENCIAL O LOGARTMICA

TENDENCIA EXPONENCIAL MODIFICADA

UNIVERSIDAD NACIONAL DEL CALLAO

8.7.2. VARIACIONES ESTACIONALES

La temperatura que aumenta en verano y baja en invierno

Las ventas que aumentan en el fin de mes

Las fiestas patronales

Las disposiciones legales que entran en vigor en fechas determinadas.

8.7.3. VARIACIONES IRREGULARES, FORTUITAS O ACCIDENTALES

La prosperidad que viven los pueblos de Alemania y Japn.

8.7.4. CICLO U OSCILACIN