Está en la página 1de 53

Estadstica: Definiciones bsicas Capitulo 1.

Experimento o Encuesta: Se llama as a la observacin planeada de un fenmeno de cualquier ndole con el objetivo de conocer su comportamiento, poder describirlo y/o tomar una decisin. Se llama Unidad experimental a cada uno de los entes que son observados en el experimento. Se llama Medicin a la asignacin, conforme a reglas preestablecidas, de valores (smbolos, numerales o nmeros , a cada una de las caractersticas que poseen las !nidades "xperimentales. Se llama Escala de medicin a una regla preestablecida o instrumento de medicin, que consiste en un conjunto de valores que se asignaran a una caracterstica especifica que poseen las !nidades de "xperimentales. Se llama Dato estadstico al valor asignado a una de las caractersticas de una !nidad "xperimental, conforme a la "scala de #edicin empleada. !n dato estadstico es el valor que resulta de una medicin. Se pueden clasificar en$ Datos estadsticos cualitativos: Son aquellos valores correspondientes a los atributos o propiedades categricas que solo se pueden usar para identificar y describir a una !nidad "xperimental. Datos estadsticos cuantitativos: Son aquellos valores que, adem%s de identificar y describir a una !nidad "xperimental, establecen las diferencias posibles entre los valores en cantidad y grado. Escalas de medicin: Escala nominal: Se usa nicamente para clasificar a los entes en distintas categoras. &a operacin b%sica y m%s sencilla en todo proceso de investigacin, es la clasificacin, esto significa separar las unidades experimentales desde el punto de vista de determinadas caractersticas, decidiendo cuales son las que pertenecen a una misma clase y cuales pertenecen a distintas clases. "sta escala se utili'a cuando los datos son cualitativos, constituyendo el nivel m%s bajo de medicin. &os valores correspondientes a esta escala reciben el nombre de categoras y son simples etiquetas. &a relacin lgica de la "scala (ominal es la relacin de equivalencia y posee las propiedades de simetra y transitividad. "j.$ )rovincia de origen del personal de una empresa$ &os empleados de una empresa pueden ser clasificados en las distintas provincias, pero no es posible establecer una jerarqua entre ellas. Escala rdinal: Se usa para, adem%s de clasificar a los entes en distintas categoras, clasificarlos de acuerdo a su rango. "sta escala se utili'a cuando los datos son cualitativos, y es posible ordenarlo de acuerdo a una jerarqua preestablecida de sus valores segn el grado que poseen. &as relaciones lgicas propias de esta escala son, *elacin de "quivalencia y la *elacin de +rigen y posee las propiedades de simetra, para dos valores de la misma categora, asimetra, para dos valores de distinta categora, y transitividad. "j.$ -rado de acuerdo con una determinada poltica del gobierno si las posibilidades son$ muy de acuerdo, de acuerdo y desacuerdo$ Se puede establecer una relacin de orden o jerarqua entre las respuestas. Escala de !ntervalo o Distancia: Se usa para, adem%s de clasificar a los entes en distintas categoras y clasificarlos de acuerdo a su rango, poder establecer una distancia entre dos cualquiera de ellos. "sta escala se utili'a cuando los datos son cuantitativos, por lo tanto los valores de cada categora necesariamente deben ser nmeros. "j.$ .emperatura ambiente$ .emperatura cero grados no indica ausencia de temperatura Escala de "a#n o proporcin: Se usa para, adem%s de clasificar a los entes en distintas categoras, clasificarlos de acuerdo a su rango, y poder establecer una distancia entre dos cualquiera de ellos, poder establecer una proporcionalidad entre dos cualquiera de ellos, poder establecer una proporcionalidad entre dos cualquiera de ellos. "j.$ )eso de una persona (en /g $ )eso cero indica ausencia de peso. !nformacin: 0l resultado de la evaluacin de los datos estadsticos cuando se los compara con una adecuada referencia. "s decir que es lo que surge de comprar el valor del dato con una referencia o modelo. Estadstica: "s la disciplina cientfica que crea, desarrolla y aplica los adecuados m1todos de recopilacin de datos, y su evaluacin, para transformarlos en informaciones con las cuales se describan objetivamente las distintas situaciones investigadas, se analice el comportamiento de determinadas caractersticas que poseen las unidades experimentales, y se tomen decisiones en condicin de incertidumbre. )ara que un evento sea objeto de an%lisis estadstico, debe ser susceptible de presentar distintos resultados, aun cuando se lo repita bajo condiciones similares. &a tarea "stadstica est% presente cuando se necesita estudiar aquellas situaciones que requieran ser medidas en similares condiciones y los resultados de estas puedan presentar

variabilidad. Universo$ "s el conjunto de !nidades "xperimentales que poseen caractersticas comunes observables para obtener informacin sobre un 2ec2o particular. )uede ser finito o infinito. Se va a determinar cu%ndo se estable'ca el objetivo del trabajo a reali'ar. Se llama variable a cualquier caracterstica observable que tienen las unidades experimentales. Se llama recorrido de una variable al conjunto de los posibles valores que ella puede asumir. 3e acuerdo al tipo de datos que original la variable, estas se clasifican en$ $ariable cualitativa: 4uando los valores que puede asumir no constituyen un espacio m1trico. "sto quiere decir que no es posible establecer una distancia entre dos valores cualesquiera, como as tampoco reali'ar operaciones algebraicas con los valores de una variable cualitativa. Se miden en escala nominal o en escala ordinal. $ariable cuantitativa: 4uando los valores que puede asumir si constituyen un espacio m1trico. "sto quiere decir que es posible establecer la distancia entre dos valores cualesquiera como as tambi1n reali'ar operaciones algebraicas con los valores de una variable cuantitativa. Se miden en escala de 5ntervalo o de ra'n y los valores pueden ser nicamente nmeros. $ariable cuantitativa continua: 3ado un intervalo 6a, b7 de nmeros reales, si cualquier nmero real que pertenece a dic2o intervalo puede ser un valor de la variable, entonces la variable es continua. Se originan cuando la caracterstica a medir es una magnitud (longitud, superficie, volumen y no se establecen restricciones. "l recorrido de una continua es siempre infinito no numerable. $ariable cuantitativa discreta: 3ado un intervalo 6a, b7 de nmeros reales, si solo alguno nmeros reales que pertenecen a dic2o intervalo pueden ser un valor de la variable, entonces la variable es discreta. Se originan en los conteos, cuando se establecen restricciones al medir magnitudes. "l recorrido de una discreta es siempre finito o infinito numerable. "l recorrido de una variable puede ser$ !n conjunto infinito no numerable. !n conjunto infinito numerable. !n conjunto finito. Se llama %oblacin a cada una de las variables particulares que se estudian en un universo. Se llama Muestra a un subconjunto o parte de una poblacin sobre la base de la cual se puede 2acer un juicio acerca de esta. Etapas de la tarea estadstica$ Se llama etapas de la tarea estadstica a una serie de pasos que se deben cumplir a los efectos de obtener la informacin necesaria para la reali'acin de un trabajo de investigacin en cualquier disciplina, que permitiran una buena planificaciones, organi'acin y administracin de los recursos. 8. Enunciacin del problema: definicin del !niverso e identificacin de las variables. 9. Formulacin de los instrumentos de medicin $ son aquellos con los cuales se obtienen y/o registran los datos a medida que se los conoce o ellos se producen. :. Recopilacin de los datos$ ;orman la materia prima del proceso estadstico para la obtencin de informacin. ;uentes internas o propias$ Si el estadstico y el especialista deciden recopilar los datos por cuenta propia lo pueden reali'ar de : formas cl%sicas$ & "e'istro: "s la recopilacin sistem%tica de los datos en el momento que se producen. "j. "l registro nacional de las personal o dentro de una empresa el registro de proveedores. & Censo: "s la observacin del universo y la medicin, a la totalidad de las unidades experimentales que lo conforman, de todas las variables que previamente 2ayan sido declaradas relevantes para la investigacin a llevar a cabo, en un instante dado. "s un m1todo est%tico de recopilacin de datos. & Muestreo: "s un conjunto de m1todos que se utili'an para tomar una muestra, por lo tanto se observa una parte del universo en un instante dado. "s un m1todo est%tico de recopilacin de los datos. ;uentes externas$ Son las publicaciones. Si se utili'a este tipo de fuente para la obtencin de los datos 2ay que verificar la calidad y responsabilidad de la publicacin tratando que, en lo posible sea un material especiali'ado. & (uente externa primaria: 4uando los datos publicados fueron recopilados directamente por los responsables del medio que los reproduce, mediante alguno de los m1todos descriptos para las ;uentes )ropias. -eneralmente se recurre, como fuente externa primaria, a las publicaciones de organismos oficiales, como el 5nstituto (acional de "stadsticas y 4ensos. & (uente externa secundaria: 4uando los datos publicados no fueron recopilados directamente por los responsables del medio que los reproduce. -eneralmente las fuentes externas secundarias son publicaciones periodsticas que reproducen datos recopilados y presentados por otros organismos.

4. Presentacin de los datos !na ve' que los datos se 2an recopilado es necesario que sean presentados en forma efectiva, de modo tal que puedan ser comunicados y que, a la ve', permitan tanto, obtener alguna informacin primaria, como as tambi1n, organi'arlos para proceder al an%lisis. )resentacin escrita$ 4onsiste en incorporar los datos en un p%rrafo combinando cifras y textos. (o es muy efica' cuando 2ay gran cantidad de datos. 4uadro estadstico$ tambi1n llamado tabla estadstica, es una t1cnica de presentacin de datos basada en un arreglo de filas y columnas donde se pueden clasificar los datos de acuerdo a las caractersticas que se le estudian a las unidades experimentales, permitiendo organi'arlos adecuadamente. < 4uadro estadstico de referencia$ Son aquellos que se usan solo para publicar los datos y son utili'ados como fuente para otros trabajos. < 4uadro estadstico de 0n%lisis$ Son aquellos que se utili'an para presentar los datos de modo tal que facilite la reali'acin de los c%lculos matem%ticos necesarios para el an%lisis de los datos. &a diferencia entre ambos est% en la forma en que se los utili'a y no en su estructura. 5. Anlisis de los datos )nlisis estadstico descriptivo: )ermite describir, en forma apropiada, el comportamiento emprico de las variables, mediante el c%lculo de algunas medidas capaces de resumir la informacin que contienen los datos. )nlisis estadsticos inferencial: "l an%lisis inferencial permite tener informacin acerca de una poblacin o tomar decisiones concernientes a ella, mediante los datos obtenidos con una muestra. )nlisis probabilstico: 4on la utili'acin de modelos tericos, permite cuantificar la incertidumbre que provocan los resultados de ciertos experimentos, cuando a estos no se los puede predecir con exactitud, como as tambi1n, medir el =error> que pudiera cometerse en las decisiones tomadas mediante el 0n%lisis inferencial. 6. Interpretacin de los resultados &os resultados que se obtienen mediante el an%lisis de los datos est%n expresados en un lenguaje estadstico. "n esta etapa, el "stadstico y el "specialista deben =traducir> estos resultados al lenguaje de la disciplina objeto de la investigacin y entre ambos poder compatibili'arlos, dado que toda conclusin estadstica tiene asociada una conclusin especifica donde se tomaras las decisiones. Se llama re'ularidad estadstica a la informacin del comportamiento de una variable, que proporciona el registro ordenado de sus valores observados. "l conocimiento de la regularidad estadstica permitir% la construccin de modelos tericos con los cuales reali'ar predicciones confiables sobre los eventos que son investigados. Cantidades absolutas * relativas &os 3atos 4uantitativos que se obtienen mediante la recopilacin de los datos para reali'ar un determinado trabajo, segn el tipo de informacin que se quiera proporcionar, se pueden expresar de dos maneras$ < "n forma absoluta, si solamente se quiere mostrar la cuanta de la magnitud < "n forma relativa, si a la cuanta de la magnitud medida, se la quiere relacionar con otro valor de la misma magnitud. "sto da origen a los dos tipos de cantidades$ Cantidades absolutas: Son aquellos datos cuantitativos que, cuando son presentados y/o anali'ados, est%n expresados en las unidades de medida correspondientes a la magnitud que se est% midiendo. Cantidades relativas: Son aquellos datos cuantitativos que surgen del cociente entre dos cantidades absolutas correspondientes a la misma magnitud y unidad de medida. Se llama )roporcin estadstica a la cantidad relativa que se obtiene 2aciendo el cociente entre una parte y su correspondiente total. &a forma 2abitual que se utili'a para expresar a las cantidades relativas es el porcentaje. %roporcion Estadistica: es la cantidad relativa que se obtiene 2aciendo el cociente entre una parte y su correspondiente total.

a+ ,n )roporcin estadstica que mide la proporcin que la parte 2?esima es del total y a la que generalmente se la
expresa en porcentaje. 3ado que una proporcin estadstica mide, en tanto por uno, la proporcin que una parte es del total, se debe cumplir que$

Cuadros * -rficos Capitulo .


Cuadro estadstico "s un arreglo de filas y columnas dispuestas metdicamente de modo tal que se puedan presentar y organi'ar los

datos para clasificarlos adecuadamente. 3eben estar estructurados teniendo en cuenta las siguientes partes componentes$ 1. Titulo: 3ebe describir concisamente el contenido del cuadro "j.$ que son los datos, donde fueron recopilados, como est%n clasificados, cuando ocurrieron los eventos que dieron origen a los datos. . !ota de encabe"ado: Se incorpora al cuadro para explicar ciertos puntos relacionados con la tabla completa que no 2an sido incluidos en el titulo o cuando se quiere 2acer una ampliacin de 1ste, ya sea detallando algn elemento importante o aclarando la unidad de medida de la magnitud que corresponde a los datos. #. $olumna %atri": .eniendo en cuenta la naturale'a fundamental de los datos estadstico que se quieren presentar, se debe establecer cu%l de las variables se considera m%s significativa o m%s importante. &os valores correspondientes a esta se disponen en la primera columna del cuadro. 4. Encabe"ado de las columnas: &os valores de las otras variables que quieran ser presentadas junto a la variable m%s significativa, o algunas caractersticas especiales de esta, generalmente se disponen en columnas, cuyos ttulos constituyen el "ncabe'ado de las columnas. 5. $uerpo: "s el conjunto de celdas que se forman con la interseccin de filas y columnas. "stas se llama unidad b%sica de presentacin del cuadro, y en cada una de ellas se registran los datos correspondientes. 6. !ota al pie: 4uando es necesario clarificar o explicitar algn dato o elemento en particular, se reali'a una nota especfica a pie del cuadro. &. Fuente: &a fuente es el ultimo tem que se presenta en todo cuadro, y en ella se consigna el origen y la forma de relevamiento de los datos. -rficos "s un dibujo metdicamente reali'ado para presentar los datos y expresarlos en forma pl%stica. 3ebe estar estructurado 1. Titulo: 3ebe describir concisamente el contenido del cuadro "j.$ que son los datos, donde fueron recopilados, como est%n clasificados, cuando ocurrieron los eventos que dieron origen a los datos. . !ota de encabe"ado: Se incorpora al grafico cuando se quiere 2acer una ampliacin del ttulo, ya sea detallando algn elemento importante o aclarando la unidad de medida de la magnitud que corresponde a los datos.(debajo del ttulo y entre par1ntesis #. 'ia(rama: "st% formado por los distintos tra'os que se utili'an para reali'ar los dibujos. "stos tra'os pueden ser lneas, rect%ngulos, etc. 4. !ota al pie: 4uando es necesario clarificar o explicitar algn dato o elemento en particular. 5. Fuente: es el ultimo tem que se presenta en todo grafico, y en 1l se consigna el origen y la forma de relevamiento de los datos. /ipos de 'rficos estadsticos Segn el tipo de diagrama que se utili'a para reali'ar los gr%ficos, estos reciben distintas denominaciones$ -rafico estadstico lineal: Se utili'a para representar valores de 9 variables cuantitativas presentadas conjuntamente, o mostrar la evolucin de una variable cuantitativa a trav1s del tiempo, usando para ello un sistema de coordenadas. "l diagrama est% formado por lneas rectas que unen los puntos del plano que representan valores de las variables.

Si se quiere mostrar la evolucin de un total conjuntamente con las partes que lo componen se puede utili'ar el grafico estadstico llamado, &ineal de partes componentes, y en el se reali'an diagramas simult%neos. -rafico estadstico de barras: Se utili'an, fundamentalmente, cuando una de las variables es cualitativa. 4onsiste en rect%ngulos dibujados en un sistema de coordenadas cartesianas ortogonales y la base de ellos puede estar, indistintamente, sobre el eje de abscisas o sobre el eje de ordenadas segn sea el eje que este representando a la variable cualitativa. 4ada rect%ngulo recibe el nombre de barra.

Si se quiere mostrar la incidencia que tienen cada una de las partes que forman los totales representados en cada una de las barras, a estas se las particiona proporcionalmente dando origen a un grafico de barras llamado de barras segmentadas.

Si se quiere resaltar la comparacin entre las barras, se dibujan barras adyacentes que muestren cada parte, dando origen a un grafico de barras llamado @arras 0grupadas.

-rficos circulares: Se utili'a para comparar partes de un total y su evolucin en el tiempo o en el espacio por tal motivo se presenta un grafico para cada situacin a comparar. 4onsiste en un crculo dividido en tanto sectores circulares como partes componen los totales que se quieren comparar. "l %ngulo correspondiente a cada uno de los sectores se determina de modo tal que mantenga la misma proporcin con el %ngulo de la circunferencia de cada parte con el total.

)nlisis descriptivo 0 Capitulo 1


Distribucin de las frecuencias: 0l conjunto de datos dispuesto tal como se presentan, se lo denomina Datos no a'rupados. Si la cantidad de ellos es grande, la experiencia indica veinte o m%s, y no est%n agrupados, es muy difcil poner en evidencia la regularidad estadstica. "n los casos de contar con una gran cantidad de datos o valores de cada una de las variables, el primer paso a reali'ar es ordenarlos agrup%ndolos en clases de equivalencia, para que puedan ser estudiados convenientemente, logrando que se manifieste la regularidad estadstica, como as tambi1n, obtener otras informaciones que pueden resultar de inter1s. Aay que proceder a una clasificacin. Se llama (recuencia absoluta a la cantidad de datos, o valores observados de una variable, que pertenecen a una misma clase de equivalencia. Si el total de observaciones fuese considerado la unidad, entonces cada valor de la frecuencia absoluta seria una parte de uno, gener%ndose as las cantidades relativas. Se llama (recuencia relativa al cociente entre la frecuencia absoluta y la cantidad total de observaciones. Distribucin de frecuencias: *elacin de clasificacin de los datos que asigna a cada valor, o grupo de valores que formen una misma clase de equivalencia, de una o m%s variables, su correspondiente frecuencia. Se utili'an para tener los datos estadsticos organi'ados, clasificados y distribuidos en las distintas clases. 0l conjunto de estos datos se lo denomina datos agrupados en una distribucin de frecuencias. Segn la cantidad de variables que se quiera clasificar las distribuciones pueden ser univariadas o polivariadas. Variables Cualitativas: Se llama ;recuencia 0bsoluta Simple para variable cualitativa o categrica$ a la cantidad de unidades experimentales que pertenecen a una determinada categora. 3ado que las frecuencias absolutas no pueden destacar la cuanta o impotencia relativa de cada categora tiene en el recorrido de esta, es conveniente relacionar las cantidades absolutas con el total de observaciones y tener en consecuencia las cantidades relativas. Se llama frecuencia relativa simple al cociente entre la frecuencia absoluta simple y la cantidad de observaciones. Variables Cuantitativas Discretas: (recuencia absoluta simple para variables discreta: 4antidad de veces que se repite un valor de la variable. )ara representarla se utili'a el grafico de bastones. "n el eje de abscisas se representa la variable en estudio y en el eje de ordenadas, la frecuencia simple. )ara presentarla se utili'a una presentacin tabular. 4onsiste en un cuadro de dos columnas. &a presentacin grafica consiste en la utili'acin de un tipo de grafico llamado -rafico de @astones. (recuencia absoluta acumulada para variable discreta: &a cantidad de unidades experimentales con un valor de la variable menor o igual a un valor dado. Se presenta en forma tabular y acompaBada de la frecuencia absoluta simple. Se la puede representar de manera tabular donde en la columna de la frecuencia acumulada se suman la frecuencia absoluta simple correspondiente a un valor de la variable, las frecuencias absolutas simples correspondientes a todos los valores anteriores. Se utili'a el grafico escalonado o en escalera. "n el eje de abscisas se representa la variable en estudio, y en el eje de ordenadas, los valores de la frecuencia absoluta acumulada. (recuencia relativa simple: se llama al cociente entre la frecuencia absoluta simple y la cantidad de observaciones. fi,n (recuencia relativa acumulada: se llama al cociente entre la frecuencia absoluta acumulada y la cantidad de observaciones. (i,n Variables Cuantitativas Continuas: Inter)alo de clase: para proceder al an%lisis estadstico del comportamiento de una variable cuantitativa continua, se 2ace necesario agrupar los datos (9C o mas a la amplitud total del recorrido, se la debe particionar en clases de e2uivalencia. &as cuales, deben ser intervalos. "s por ellos que se llaman !ntervalos de clase. &a cantidad de intervalos de clase, o de particiones, que 2ay que reali'ar en la amplitud total del recorrido de la variable para poner en evidencia la regularidad estadstica, depende de la cantidad de datos observados (n . )ara el calculo de la cantidad de clases se utili'a una formula que surge de reali'ar clasificaciones binarias. +: cantidad de intervalos de clase necesarios para clasificar n observaciones.

!na ve' que se obtiene 2 2ay que determinar cual debe ser el tamaBo o amplitud de cada uno de los intervalos de

clase. "stos intervalos pueden tener todos el mismo tamaBo o distinto tamaBo, dependiendo de las variables y del tipo de trabajo que se quiera reali'ar con ellas. 3a amplitud de cada uno de los intervalos de clase, es el cociente entre la amplitud total del recorrido y la cantidad de intervalos de clase necesarios para la clasificacin de las n observaciones. a: amplitud de cada intervalo de clase.

(recuencia absoluta simple para variable continua: &a cantidad de unidades experimentales cuyos valores observados de la variable pertenecen a un mismo intervalo de clase.

(recuencia absoluta acumulada para variable continua: &a cantidad de unidades experimentales que tienen un valor observado de la variable menor al lmite superior de un intervalo.

-r%ficos que se utili'an$ Dariables discretas ;recuencia relativa simple$ bastones ;recuencia relativa acumulada$ escalones Dariables continuas ;recuencia relativa simple$ Aistograma ;recuencia relativa absoluta$ +jiva (Se llama ;recuencia relativa simple, al cociente entre la frecuencia simple y la cuantia de observaciones. Se llama ;recuencia relativa acumulada al cociente entre la frecuencia absoluta y la cantidad de observaciones. "epresentacin 'rafica de la distribucin de frecuencias absolutas simples. 4isto'rama. &a frecuencia absoluta simple correspondiente a un determinado intervalo de clase esta representada por la superficie de un rect%ngulo cuya base es la amplitud, a, de dic2o intervalo. &a altura del rect%ngulo, 5, entonces tiene que ser tal que permita lograr que la superficie sea igual a la frecuencia simple del intervalo.

&uego, la altura de cada rect%ngulo debe ser$

4uando todos los intervalos tienen la misma amplitud, esta podra ser considerada la unidad. "n este caso, al ser la base igual a uno, la altura del rect%ngulo coincidira con la frecuencia absoluta simple.

)ara construir un 2istograma se utili'a el sistema de coordenadas cartesianas ortogonales. "n el eje de las abcisas se representa la variable en estudio marcando los intervalos de clase, y en el eje de las ordenas, la altura de los rect%ngulos. &os rect%ngulos se disponen, en el sistema de coordenadas, de modo tal que sean adyacentes. "l 2istograma propiamente dic2o es el contorno de la figura que queda formada. &a superficie total que cubre el 2istograma es igual al total de observaciones ya que esta formado por la suma de las superficies de cada uno de los rect%ngulos que lo integran

(recuencia absoluta acumulada. %resentacin 'rafica: )ara presentar la frecuencia absoluta acumulada de una variable continua se utili'a un grafico llamado +jiva. )ara construir una ojiva se utili'a un sistema de coordenadas cartesianas ortogonales. "n el eje de las abscisas se representa la variable en estudio marcando los intervalos de clase y en el eje de las ordenadas la frecuencia absoluta acumulada. "l grafico comien'a en el lmite inferior del primer intervalo. 0 este valor le corresponde C porque no 2ay frecuencia simple inferior a dic2o lmite. &uego, el primer punto de la ojiva es el punto de coordenadas. &a ojiva es la poligonal no decreciente que une todos los puntos indicados.

%resentacin 'rafica de la frecuencia relativa: &a distribucin de frecuencias relativas se puede presentar utili'ando un grafico de bastones. &os valores del eje de ordenadas son proporciones, nmeros reales entre cero y uno. &a longitud de cada uno de los bastones representa la proporcin de unidades experimentales que tienen el valor de variable correspondiente.

)ara presentar gr%ficamente a la distribucin de frecuencias relativas acumuladas de una variable discreta, se utili'a un grafico en escalera o escalonado. &os valores del eje de ordenadas son proporciones, nmeros reales entre cero y uno. "l m%ximo valor de este eje es uno. &a altura de cada escaln representa la proporcin de unidades experimentales que tienen el valor de variable menor o igual al correspondiente.

)ara representar a las variables continuas en la distribucin de frecuencias relativas simples se utili'a el 2istograma y para representar la distribucin de frecuencias relativas acumuladas de una variable continua se utili'a la ojiva. Medidas 2ue resumen informacin: !no de los objetivos es la obtencin de informacin a partir de los valores observados de una o m%s variables. )ara ello es necesario contar con algunas medidas que sean capaces de extractar la esencia de los datos. "stas medidas reciben el nombre de medidas que resumen informacin. + resmenes estadsticos. &as medidas que resumen informaciones llaman par%metros estadsticos, cuando se calculan con una o m%s poblaciones es decir con la totalidad de los valores de una o m%s variables. "sto ocurre en los casos donde los datos fueron obtenidos mediante la utili'acin de un censo o un registro completo. .ambi1n se llaman par%metros a las medidas cuando son calculadas usando algn modelo matem%tico que describa el comportamiento probabilstico. &os par%metros estadsticos son valores poblacionales. &as medidas que resumen informacin se calculan con los datos de una muestra que se llaman estimadores. "stos son valores mu1strales. Medidas de concentracin: Son aquellas medidas con las cuales se puede establecer el porcentaje de datos que est% concentrado dentro de un determinado intervalo que contenga una determinada concentracin porcentual de datos. .iene sentido cuando los datos est%n agrupados en una distribucin de frecuencias. Aay dos medidas d e concentracin$ Rango percentilar: "s la frecuencia relativa porcentual que se acumula desde el mnimo valor del recorrido 2asta un valor dado de la variable. Se mide para un valor especfico de la variable y brinda el porcentaje de datos que se acumula entre el menor valor de la variable y el valor dado. &a diferencia entre los rangos percentilares de 9 valores de la variable E mide la concentracin de datos que 2ay en el intervalo formado por ellos. *ariables discretas: "l rango percentilar para un valor dado queda determinado directamente por la frecuencia relativa acumulada 2asta dic2o valor. (o se requieren formulas especiales. *ariables continuas: Aay que diferenciar 9 situaciones$ a 4uando el valor dado coincide con el lmite superior de un intervalo, el rango percentilar queda determinado directamente por la frecuencia relativa acumulada 2asta dic2o valor. (o se requieren formulas especiales. b 4uando el valor dado no coincide con el lmite superior de un intervalo, para la determinacin del rango percentilar se requiere una formula de interpolacin lineal.

%ercentiles: 4alcula 2asta que valor se acumula una determinada frecuencia relativa. "l percentil de orden F es aquel valor 2asta donde se acumula, a lo sumo, el FG de los datos, y desde donde se acumula a lo sumo el 8CC?/G. "l orden absoluto del percentil es la frecuencia absoluta acumulada correspondiente al valor F, y se obtiene calculando el FG del total de observaciones (. "l orden absoluto del percentil es /Hn/8CC. "n las variables discretas el percentil de orden /, se determina utili'ando la distribucin de frecuencias acumuladas, absolutas o relativas indistintamente. 3ado el caso de las variables discretas$ Si el +0) no coincide con algn valor de la frecuencia absoluta acumulada entonces se busca el primer valor de esta que supera la +0). Si el +0) coincide con algn valor de la frecuencia absoluta acumulada entonces el percentil de orden / buscado es la semi suma entre el valor de la variable que le corresponde el siguiente$

)ara variables continuas el percentil se determina de la siguiente manera$ si el +0) coincide con algn valor de la frecuencia absoluta acumulada entonces el valor del limite superior del intervalo es el percentil de orden /. Si el +0) no coincide con algn valor de la frecuencia absoluta acumulada entonces se debe buscar el primer valor de esta que supera al +0). "l intervalo que le corresponde, es el intervalo que contiene el percentil buscado. )ara determinarlo se utili'a una formula de interpolacin$

Determinacin 'rafica del tan'o percentilar: 3ado un valor de la variable Eo 2ay que locali'arlo en el eje de las abscisas. 0 partir de ese punto se tra'a un segmento paralelo al eje de ordenadas, 2asta intersecar con la ojiva. &a ordenada correspondiente es el valor de la frecuencia absoluta acumulada 2asta Ep.

Determinacin -rafica del percentil 67: 3ado un orden relativo de percentil, +*) I F 2ay que transformarlo en un valor de frecuencia absoluta acumulada, +0). Se locali'a este valoren el eje de ordenadas y a partir de ese punto se tra'a un segmento paralelo al eje de las abscisas, 2asta intersecar con la ojiva. &a abscisa correspondiente al punto de interseccin es el valor del percentil /.

Medidas de posicin o de tendencia central Son aquellos valores destacados con los cuales es posible representar a la totalidad de los valores observados de la variable. (o necesariamente son valores de la variable pero si est%n expresadas en la misma magnitud. &as medidas son$ Modo: "s el valor de la variable que se presenta con mayor frecuencia. o o Dariables discretas$ Se puede determinar mediante la sola inspeccin de la columna de las frecuencias simples, absolutas o relativas. Dariables continuas$ 4on la inspeccin de los datos solo se puede obtener el intervalo de mayor frecuencia. "l intervalo de mayor frecuencia se llama 5ntervalo modal. "l modo es un valor que pertenece a dic2o intervalo y para locali'arlo 2ay que utili'ar una formula de interpolacin.

&a determinacin grafica del modo se da con el 2istograma, el punto con valle m%s alto.

Mediana: "s el valor que supera y es superado por igual cantidad de observaciones. Se llama orden mediano a la ubicacin de la mediana dentro del recorrido de la variable que se termina 2aciendo ((nJ8 /9 K &a mediana puede determinarse en las variables cualitativas solo si est%n medidas en escala ordinal y sus categoras se presentan ordenadamente. o Dariable cuantitativa datos no agrupados$ primero se ordenan los valores observados de la variable. Se lo 2ace en forma creciente. &uego se determina el orden mediano. &a mediana es el valor que ocupa el orden mediano. Si la cantidad n de datos es impar la mediana es directamente el valor del que esta ubicado en el medio, y si dic2a cantidad es par la mediana es el valor que surge de la semi suma de los dos valores centrales. o 3atos agrupados en distribucin de frecuencias$ se determina la mediana de una variable cuando los datos est%n agrupados en distribucin de frecuencias, el orden mediano sufre un ligero cambio a2ora es exactamente la mitad de los datos y se lo llama orden absoluto de la mediana$ n/9. 0 su ve' la mediana es el percentil LC. Dariable discreta$ el valor de la mediana se termina, si el orden absoluto de la mediana no coincide con algn valor de la frecuencia absoluta acumulada, entonces se busca el primer valor de esta que supera al orden de la mediana. Si el orden absoluto de la mediana coincide con algn valor de la frecuencia absoluta acumulada, entonces la mediana es la semi suma entre el valor de la variable que le corresponde y el siguiente. Dariable continua$ si el orden absoluto de la mediana coincide con algn valor de la frecuencia absoluta acumulada entonces el valor lmite superior del intervalo correspondiente es la mediana. Si el orden absoluto de la mediana no coincide con algn valor de la frecuencia absoluta acumulada entonces se busca el primer valor de esta que supera al orden. "l intervalo que le corresponde es el intervalo que contiene a la mediana y se determina por una formula$

Caractersticas de la mediana: "l valor de la mediana es igual al percentil LC "l valor de la mediana no se ve afectado por la presencia de valores extremos de la variable. &a suma del modulo de las desviaciones con respecto a la mediana es minima. )ara datos sin agrupar$

)ara datos agrupados en distribucin de frecuencias$

"sto significa que si se calcula el modulo de las desviaciones con respecto a un numero cualquiera, c, que no sea la mediana y luego se suman, es el resultado siempre ser% mayor que el obtenido con la suma del modulo de las desviaciones respecto a la mediana. Determinacin -rafica de la mediana: Se grafica con la +jiva

%romedios simples: 4iertos valores que se obtienen mediante la aplicacin de operadores matem%ticas, a la totalidad de los valores observados de dic2a variable, bajo el supuesto de que todas las unidades experimentales

medidas tienen la misma importancia relativa. El promedio o media aritm8tica de una variable E, es el nmero que resulta de sumar todos los valores observados de la variable y dividir esta suma por la cantidad de unidades experimentales que se tienen.

3ebe interpretarse como cuando le correspondera a cada uno, si todos fuesen iguales. %+todo de clculo: Dalores de una variable sin agrupar$ Dalores de una variable discreta agrupada en una distribucin de frecuencias simples$ si los valores de una variable discreta est%n agrupados en una distribucin de frecuencias, para calcular la media aritm1tica, cada valor de la variable debe multiplicarse por su respectiva frecuencia absoluta simple. )orque esta representa la cantidad de veces que se repite ese valor.

Dalores de una variable contina agrupados en una distribucin de frecuencias absolutas simples$ en las distribuciones de frecuencias de variables continuas no 2ay valores puntuales de la variable, para calcular la media aritm1tica, se debe determinar un punto de cada intervalo que sea el representante de la clase. "ste punto, llamado la marca de la clase, es el punto medio del intervalo y representa, a los efectos del c%lculo, el valor de la variable en ese intervalo.

Dalores de una variable, discreta o contina, agrupados en una distribucin de frecuencias relativas simples$

Propiedades de la Media Aritmtica: Se llama Desviacin con respecto a la media aritm1tica, a la diferencia entre un valor individual de la variable y su media aritm1tica. &a suma de las desviaciones con respecto a la media aritm1tica es cero. 3atos sin agrupar$ 3atos agrupados$ "sto significa que la media aritm1tica compensa las desviaciones negativas con las desviaciones positivas. &a suma del cuadrado de las desviaciones con respecto a la media aritm1tica es minima. 3atos sin agrupar$ 3atos agrupados$ "sto significa que si se calculan las desviaciones con respecto a un numero cualquiera, c, que no sea la media aritm1tica, se eleva al cuadrado cada una de ellas y luego se suman, el resultado siempre ser% mayor que el obtenido con la suma de las desviaciones cuadr%ticas con respecto a la media aritm1tica. &a media aritm1tica de una variable E es igual a un numero real arbitrario c mas la media aritm1tica de los desvos con respecto al numero real c. "l promedio o media aritm1tica de una constante es la constante misma. Si todos los valores de la variable son iguales a un determinado numero c, la media aritm1tica es igual a ese nmero. &a media aritm1tica de la suma, o diferencia entre una variable y una constante, es igual a la media aritm1tica de la variable m%s, o menos, la constante. "l promedio del producto o cociente entre una variable y una constante no nula, es la media aritm1tica multiplicada o dividida por dic2a constante. "n toda transformacin afn de una variable se cumple que, la media aritm1tica, es la transformacin afn de la media aritm1tica de la variable.

&a media aritm1tica de la suma de dos o m%s variables correspondientes a la misma magnitud y expresadas en la misma unidad de medida, es igual a la suma del producto entre la cantidad de observaciones y la media aritm1tica de cada una de las variables, dividida, por la suma de las cantidades de observaciones.

%romedios o Media -eom8trica: la media geom1trica de la variable E, es el nmero resultante de multiplicar todos los valores observados de la variable extrayendo a este producto la ra' de ndice igual a la cantidad de datos. &a utili'acin de la misma genera desventajas$ dado que los valores de la variable deben ser no nulos. M porque la obtencin del promedio o media geom1trica resulta laboriosa por ello rara ve' se utili'a cuando los datos est%n agrupados en distribucin de frecuencias.

%romedio o Media )rmnica: de una variable E es el nmero resultante de 2acer el cociente entre la cantidad de observaciones y la suma de las inversas de todos los valores observados de la variable.

"n el caso de las frecuencias simples se adapta la formula.

%romedios ponderados: Se llama )onderacin a aquella cantidad que permite asignar a cada unidad experimental que proporciona un valor de la variable en estudio, una determinada importancia o peso relativo. "l promedio aritm1tico ponderado surge de 2acer el cociente entre, la suma del producto de cada valor de la variable y su correspondiente ponderacin, y la suma de ponderaciones.

Medidas de variabilidad &as medidas de tendencia central se las puede considerar como =representantes> de la totalidad de los valores observados de una variable. "stas medidas ser%n buenas representantes si los valores observados son 2omog1neos, esto quiere decir que si no 2ay demasiada diferencia o desviacin entre cada uno de ellos y alguna medida en particular, entonces la medida en cuestin es representativa. &as medidas de variabilidad son aquellas que permiten estudiar, como se desvan, en su conjunto, los valores observados de una variable, con respecto a alguna #edida de .endencia 4entral. El desvo medio es una medida de variabilidad que surge del promedio aritm1tico del modulo de las desviaciones de los valores observados de una variable con respecto a una medida de tendencia central. 3esvo con respecto a la mediana$

3esvo con respecto a la media aritm1tica$

9uma de cuadrados: es una medida de variabilidad que mide la variabilidad de los valores observados de una variable con respecto a su media 0ritm1tica

3a $arian#a es una medida de variabilidad que mide el promedio aritm1tico del cuadrado de los desvos que se producen entre cada valor de la variable y la media 0ritm1tica

%ropiedades de la varian#a < "s necesariamente un numero real no negativo < 3e una constante es nula < &a varian'a de la suma de una variable m%s, o menos, una constante, es igual a la varian'a de la variable. < &a varian'a del producto o del cociente de una variable por o dividido una constante no nula, es igual a al varian'a de la variable por o dividido la constante al cuadrado. < 3ada la transformacin afn de la variable x MIaJbE la varian'a es D(M IbN9D(x Desvo estndar "s la ra' cuadrada positiva de la varian'a.

"sta medida es la adecuada para establecer la variabilidad que presentan los valores observados de la variable, en su conjunto, con respecto a la #edia aritm1tica. Coeficiente de variacin )ara poder establecer si la variabilidad alrededor de la #edia 0ritm1tica que presenta una variable es baja o no, es necesario que el valor num1rico del desvi est%ndar sea comparado o relacionado con ella (la media . El $oe,iciente de )ariacin de una )ariable es el cociente entre el des)-o estndar . la media aritm+tica.

"s un nmero puro, desprovisto de magnitud. Su valor num1rico permite establecer criterios generales acerca de la 2omogeneidad de los datos, de la representatividad de la media y la comparacin con la variabilidad de otras variables aunque las unidades de medida o las magnitudes sean distintas. Si el 4D es menor o igual a C,8C se puede considerar que la variable en estudio es 2omog1nea, y consecuentemente, la #edia 0ritm1tica es representativa. El coeficiente de Disparidad de variables cualitativas mide la variabilidad entre las categoras de una variable cualitativa.

Momentos empricos Son operadores matem%ticos que se obtienen a partir de los valores observados de la variable. Se clasifican en$ #omento emprico absoluto 9e llama Momento emprico absoluto de orden : de la variable, al promedio de la potencia F?esima de los valores observados de la variable.

9e llama Momento emprico centrado de orden : de la variable, al promedio aritm1tico de la potencia /?esima de los desvos, de cada uno de los valores individuales observados de la variable, con respecto a la media aritm1tica.

Medidas de forma +tra caracterstica importante a tener en cuenta al anali'ar los valores observados de una variable es la forma que presenta la distribucin de frecuencias correspondiente ya que ello permite visuali'ar aproximadamente cual podra ser el #odelo #atem%tico que mejor se ajusta para describir el comportamiento de una variable. &a Simetra y la 4urtosis son dos de los aspectos que permiten establecer dic2a forma. !na distribucin de frecuencias es sim8trica cuando$ Si la variable es discreta, las frecuencias simples correspondientes a valores de la variable que equidistan de la media aritm1tica son igual. Si la variable es continua, las frecuencias simples de los intervalos cuyos puntos medios equidisten de la #edia aritm1tica, son iguales. &uego si la distribucin de frecuencias es Sim1trica, necesariamente se cumple$

Se llama Curtosis o apuntamiento, a una determinada relacin entre la amplitud total y la m%xima frecuencia que presenta una distribucin de frecuencia.

Coeficiente de Asimetra:

"l signo del coeficiente de asimetra se interpreta as$ Si 0S(E I C entonces la distribucin es sim1trica. Si 0S(E O C entonces es asimetra positiva, la distribucin es asim1trica a la derec2a. Si 0S(E P C entonces es asim1trica negativa, la distribucin es asim1trica ala i'quierda. Coeficiente de Curtosis: "l coeficiente de curtosis emprico de una variable E, F(x , es el valor que surge de restarle : al cociente entre, el momento centrado de orden Q y la potencia cuarta del desvo est%ndar.

F(x I C posee una distribucin #esocurtica. F(x O C posee una distribucin &eptocurtica es decir tiene un apuntamiento mayor al modelo de referencia F(x PC posee una distribucin )laticurtica es decir que tiene un apuntamiento menor al modelo de referencia. !na distribucin de frecuencias leptocurticas presenta los valores observados de la variable concentrados alrededor del modo, mientras que si es platocurtica los valores observados de la variable est%n muy dispersos en todo su recorrido, es por ello que en algunos trabajos especiales se considera la curtosis como una medida de variabilidad. $ariable de Calculo: !na variable de calculo, Ec, es una transformacin afn de los valores observados de la variable de estudio que se genera de modo tal que no represente a alguna magnitud, que sus valores sean nmeros enteros, y que el incremento de ellos sea unitarios.

Probabilidad
Modelos Matem#ticos:

Cap !"

Modelo deterministico: "s aquel modelo matem%tico que describe el comportamiento de las variables cuyos valores quedan inequvocamente determinados a partir de las condiciones en que se llevara a cabo el experimento que las origina. Modelo no deterministico o estadstico: 0quel modelo matem%tico que describe el comportamiento de las variables cuyos valores no quedan inequvocamente determinados a partir de las condiciones en que se llevara a cabo el experimento que las origina. Se llama Experimento aleatorio o estocstico a aquel fenmeno emprico que admite dos o m%s resultados posibles y no se tienen elementos de juicio suficientes como para poder predecir con exactitud cu%l o cu%les de ellos ocurrir%n, aunque se los repita bajo las mismas condiciones. Se llama Espacio muestral correspondiente a un experimento aleatorio, al conjunto de todos los resultados posibles que puede presentar dic2o experimento. "l espacio muestral puede ser finito, infinito numerable, o infinito no numerable. "j.$ Se espera, al a'ar, el nacimiento de una persona. "l experimento consiste en observar el color de ojos que tiene la persona reci1n nacida. "l espacio muestral es a'ul, gris, verde, marrn. Se llama 9uceso aleatorio, S, a cualquier subconjunto del espacio muestral !, correspondiente a un experimento aleatorio ". 9ucesos Especiales: "l conjunto vaco. "s un suceso aleatorio S I R "l espacio muestral, es un suceso aleatorio S I u. $peraciones con %ucesos: .anto el espacio muestral como los sucesos son conjuntos. 9uceso complementario: 0quel suceso que ocurre si, y solo si no se presenta el suceso S. 9uceso interseccin o Con;unto: 0quel suceso que ocurre si, y solo si se presentan conjuntamente dos o m%s de los sucesos que forman el espacio muestral. 9uceso unin inclu*ente: 0quel suceso que ocurre si, y solo si ocurre alguno de los sucesos que forma el espacio muestral. 9uceso unin exclu*ente: 0quel suceso que ocurre si, y solo si ocurre solo uno de los suceso que forman el espacio muestral. 9ucesos Compatibles e !ncompatibles: 4uando en un mismo espacio muestral se definen dos o mas sucesos, estos, por la propia naturale'a del experimento aleatorio que se lleva cabo, algunas veces podran presentarse en forma simultanea. )ero 2ay sucesos

que nunca, bajo ninguna circunstancia, se presentaran juntos en la misma reali'acin del "xperimento 0leatorio. 9ucesos compatibles: 3os o mas sucesos son compatibles si y solo si es posible que se presenten en forma conjunta. 9ucesos mutuamente exclu*entes o incompatibles: Si y solo si la presentacin de unos de ellos impide, excluye, la presentacin del o de los otros. &recuencia Relativa: Se llama frecuencia relativa correspondiente al Suceso 0leatorio S, al cociente entre la cantidad de veces que ocurri el Suceso, y la cantidad de veces que se repiti el "xperimento ". ;r (S I F/( %rincipio de estabilidad de la frecuencia relativa "stablece que la frecuencia relativa correspondiente a un suceso aleatorio, oscila, con una convergencia asinttica, alrededor de un numero fijo, cuando la cantidad de observaciones del "xperimento 0leatorio crece indefinidamente. Definiciones '#sicas: "n ocasiones, las personas deben decidir llevar a cabo acciones cuyo resultado no puede predecirse con exactitud. @ajo ciertas condiciones, estas acciones se consideran "xperimentos 0leatorios. "l desconocimiento del, o de los posibles resultados que se obtendr%n, genera cierto grado de incertidumbre. )or tal motivo, al tomar la decisin, y para que esta sea objetiva, debe contarse con un cuantificador, un numero capa' de proporcionar una medida del estado de duda o vacilacin en que se encuentre el =decididor>. "l c%lculo de la probabilidad permite cuantificar la incertidumbre que provoca el resultado de un "xperimento 0leatorio y medir la propensin a ocurrir que tiene cada uno de los resultados posibles. A(iomas ) teoremas b#sicos para el calculo de la probabilidad A(iomas 8. &a probabilidad de ocurrencia de un suceso aleatorio es un nmero real no negativo. 9. Si el suceso aleatorio es el espacio muestra, a la probabilidad de ocurrencia del suceso se le asigna el valor 8. :. Sean S8 y S9 dos suceso mutuamente excluyentes perteneciente a un mismo espacio muestral, la probabilidad de que se presente alguno de los dos, suceso unin, es igual a la probabilidad de que se presente el suceso S8, mas la probabilidad de que se presente el suceso S9. Q. Sean S8, S9,S,S/ F sucesos mutuamente excluyentes de 0 pares, pertenecientes a un mismo espacio muestral, la probabilidad de que se presente alguno de ellos, suceso unin, es igual a la probabilidad de que se presente el suceso S8 mas la probabilidad de que se presente el suceso S9 mas, etc., mas la probabilidad de que se presente el suceso S/. *eoremas 8. Si el suceso aleatorio es el conjunto vaco, la probabilidad de ocurrencia del suceso aleatorio es C. 9. &a probabilidad de ocurrencia de un suceso mas la probabilidad de ocurrencia de su complemento es igual a 8. :. Si S8 y S9 son sucesos de un mismo espacio muestral, la probabilidad de que se presente alguno de los dos, suceso unin incluyente, es igual a la probabilidad de que se presente el suceso S8 mas la probabilidad de que se presente el suceso S9, menos la probabilidad de que se presenten conjuntamente. Q. Si S8 y S9 son sucesos de un mismo espacio muestral, la probabilidad de que se presente solo uno de los dos, suceso unin excluyente, es igual a la probabilidad de que se presente el suceso S8 mas la probabilidad de que se presente el suceso S9 menos el duplo de la probabilidad de que se presenten conjuntamente. L. &a probabilidad de ocurrencia de un suceso es un nmero real comprendido entre C y 8. Probabilidad Marginal "s la probabilidad de que se presente un suceso aleatorio S8 incluido en el espacio muestral ! asociado a un "xperimento 0leatorio ". Probabilidad con+unta (para 9 sucesos "s la probabilidad de que se presenten en el mismo experimento aleatorio dos sucesos aleatorios S8 M S9 incluido en el espacio muestral !, asociado a dic2o experimento ". Probabilidad con+unta de , sucesos S8 S9S S/ a la probabilidad que se presentan en el mismo experimento

aleatorio los / sucesos aleatorios incluidos en el espacio muestral !, asociado a dic2o experimento ". ()ara dos o mas sucesos Se llama Probabilidad condicional del suceso S8 tal que se 2aya presentado el suceso S9, a la probabilidad de que se presente el suceso S8 con la condicin de que previamente se presente el suceso S9. )(S8/S9 I )robabilidad condicional de S8 dado S9. )(S8/S9 I )(S8S9 /)(S9 $peraciones con Probabilidad: "e'la del producto o %robabilidad compuesta: &a )robabilidad conjunta de presentacin del suceso S8 M S9 se calcula multiplicando la probabilidad marginal de uno de ellos y la probabilidad condicional del otro, dado el primero. &a operacin matem%tica que se utili'a es la multiplicacin, por tal motivo la regla a utili'ar para el c%lculo de llama regla del producto.

"e'la de la 9uma:

9istema Ex+austivo: F sucesos mutuamente excluyentes, S8 S9 S S/, incluidos en el espacio muestral !, asociados a un experimento aleatorio " forman un sistema ex2austivo si, y solo si la suma de las probabilidades marginales correspondientes a cada uno de ellos, es igual a 8. /eorema de la probabilidad /otal de un 9uceso: Sean S8, S9 S S/ sucesos mutuamente excluyentes, incluidos en el espacio muestral, asociado a un experimento aleatorio ", que forman un sistema ex2austivo, y ya sea @ un suceso aleatorio incuido en el mismo espacio muestral !, compatible con cada uno de los sucesos Si entonces la probabilidad total del suceso @ es$

/eorema de <a*es: Sean S8, S9 S S/ sucesos mutuamente excluyentes, incluidos en el espacio muestral !, asociado a un experimento aleatorio ", que forman un sistema ex2austivo, y sea @ un suceso aleatorio incluido en el mismo espacio muestral ! compatible con cada uno de los sucesos Si entonces la probabilidad condicional, de un suceso particular incluido en el espacio muestral !, el suceso S2 2abi1ndose presentado el suceso @ es$

%ucesos Probabilisticamente independientes: 3os o m%s sucesos, son probabilisticamente independientes cuando la presentacin de uno de ellos no modifica el valor de probabilidad de presentacin del otro o de los otros sucesos. )(S8/S9 I )(S8 )(S9/S8 I )(S9

)(S8,S9 I )(S8 H )(S9 Definiciones de %robabilidad: Definicin Clsica: se llama probabilidad cl%sica de ocurrencia del suceso aleatorio S, incluido en el espacio muestral !, asociado a un experimento aleatorio ", al cociente entre los casos favorables al suceso aleatorio S y los casos posibles del experimento aleatorio ". Definicin (recuencial: se llama probabilidad frecuencial de ocurrencia del suceso aleatorio S, incluido en el espacio muestral !, asociado a un experimento aleatorio ", a la frecuencia relativa estabili'ada correspondiente a dic2o suceso. Definicin 9ub;etiva: se llama probabilidad subjetiva de ocurrencia del suceso aleatorio S, incluido en el espacio muestral !, asociado al experimento aleatorio " a un valor personal que un sujeto asigna a la ocurrencia del suceso s, basado en su mejor saber y entender, conforme a los axiomas y teoremas del calculo de probabilidad. !nterpretacin del valor num8rico de %robabilidad: "l valor de probabilidad 8 indica certe'a de ocurrencia del suceso aleatorio y el valor de la probabilidad C indica imposibilidad de ocurrencia (Si fue calculado con la definicin clasita . Si se calcula con la definicin frecuencial 8 indica que en todas las observaciones se presento el suceso aleatorio pero no se puede asegurar que ocurra en el siguiente. "n el caso de la 3efinicin Subjetiva quiere decir que al bien saber y entender de una persona 8 significa que el suceso ocurrir% pero no se puede asegurar el resultado.
%robabilidad Con;unta= Mar'inal * Condicional: Con;unta: sean dos sucesos compatibles incluidos en un mismo espacio muestral finito, la probabilidad conjunta es el cociente entre un total conjunto y el tamaBo del espacio muestral. )(0@ /( Mar'inal: sean dos sucesos compatibles incluidos en un mismo espacio muestral finito, la probabilidad marginal, es el cociente entre un total marginal y el tamaBo del espacio muestral. )(0 /( Condicional: sean dos sucesos compatibles incluidos en el espacio muestral finito, la probabilidad condicional, es el cociente entre un total conjunto y el total marginal del suceso condicionante. )(@/0 I )(0@ / )(0 )(0/@ I )(0@ /)(@

-do Parcial:
$ariables aleatorias Cap >
&os resultados de los experimentos aleatorios, cualesquiera que sean, tienen que estar expresados cuantitativamente. )ara ello, 2ay que contar con m1todos capaces de definir reglas precisas que asignen nmeros reales a los resultados de los experimentos aleatorios, teniendo en cuenta que se quiere medir y como se quiere medir. $ariable aleatoria: "s una funcin, o regla bien definida, que asigna, a cada elemento del espacio muestral, un vector perteneciente a un espacio vectorial. $ariables aleatoria unidimensional: 4uando, a cada elemento del espacio muestral, se asigna un escalar perteneciente al conjunto de nmeros reales. "ecorrido de una variable aleatoria unidimensional: 4onjunto formado por los nmeros reales que se pueden asignar a dic2a variable. "s conveniente recalcar el 2ec2o de que se puede concebir una variable aleatoria de dos maneras$ < Se reali'a un "xperimento aleatorio " que tiene un resultado uI!, y luego se le asigna a este resultado el valor num1rico x(! T*

< Se reali'a un experimento aleatorio " que tiene un resultado uI!. Si la observacin consiste en reali'ar mediciones cuantitativas, el resultado u, es un nmero real. Si la unidad de medida correspondiente a dic2o resultado coincide con =como se quiere medir> o sea, la unidad de medida de la variable aleatoria definida, entonces, u es igual a x(u , y ! es igual a *(x . Si la unidad de medida de la magnitud de la variable no coincide con la medicin reali'ada son dos nmeros reales distintos. $ariable aleatoria discreta unidimensional: "s aquella variable aleatoria cuyo recorrido es finito o infinito numerable. Si el espacio muestral donde se origina la Dariable es un conjunto finito o infinito numerable, entonces el recorrido de la variable es finito o infinito numerable. Distribucin de probabilidad univariada: (unciona de probabilidad puntual: 0signa a cada valor del recorrido de dic2a variable, un numero real no negativo, llamado probabilidad puntual, de modo tal que la suma de todos estos valores, a trav1s del recorrido de la variable , debe ser% igual a la unidad. 3ebe cumplir dos condiciones$ 8 Condicin de no ne'atividad: "l nmero real asignado debe ser no negativo. 9 Condicin de cierre: &a suma de todos los nmeros reales asignados por la funcin de probabilidad puntual, a cada valor de la variable discreta, debe ser igual a uno. !na variable discreta, E, queda estrictamente definida cuando se establece su funcin de probabilidad puntual. &a funcin de probabilidad puntual puede ser graficada utili'ando las coordenadas ortogonales, donde los valores de la variable se ubican en el eje de abscisas y los correspondientes valores puntual, en el eje de ordenadas. ?-rafico de <astones@ (uncin de distribucin: ;uncin que asigna a cada valor del recorrido, un nmero real que representa la suma de todas las probabilidades puntuales, desde el primero 2asta el valor en cuestin. &a funcin de distribucin acumulada puede ser graficada utili'ando las coordenadas cartesianas ortogonales, donde los valores de la variable se ubican en el eje de abscisas y los correspondientes valores de probabilidad acumulada, en el eje de ordenadas. ?-rafico escalonado@ "l conjunto de pares ordenados UEi, ;(Ei V, para todo i, se llama funcin de distribucin de probabilidad. "s la distribucin acumulada 2asta un valor de la variable, o simplemente 3istribucin acumulada. (uncin de distribucin complementaria: ;uncin que asigna a cada valor del recorrido, un nmero real que representa la suma de todas las probabilidades puntuales, desde el valor en cuestin 2asta el ltimo. "l conjunto de pares ordenados UEi, -(Ei V, para todo i, se llama funcin de distribucin complementaria de probabilidad. "s la distribucin acumulada desde un valor de la variable, o simplemente 3istribucin desacumulada. Relacin entre las funciones de distribucin: /a suma entre el )alor de la ,uncin de distribucin correspondiente a un )alor de la )ariable . el )alor de la ,uncin de distribucin complementaria correspondiente al si(uiente )alor de la )ariable0 es siempre i(ual a uno. %ercentiles %ercentil de orden : ?+PFP8CC / FTr de una variable aleatoria discreta a un valor E/, tal que, 2asta el valor de variable inmediato anterior, se acumule, a lo sumo, una probabilidad igual a F/8CC y, desde el valor de variable inmediato posterior se acumule, a lo sumo, una probabilidad igual a (8?F/8CC .

$ariables aleatorias continuas unidimensionales &as variables continuas por tener un recorrido infinito no numerable, no permiten una clasificacin puntual de sus valores, sino que su an%lisis debe 2acerse utili'ando intervalos de clase. .ambi1n, el 2istograma de las frecuencias relativas simples, debe cubrir una superficie igual a uno. )or otro lado, la cantidad de intervalos de clase que se necesitan para clasificar a las unidades experimentales dentro de la amplitud total, depende de la cantidad de observaciones. Si esta cantidad tiende a infinito, consecuentemente la amplitud de cada intervalo tiende a cero. !na variable con recorrido infinito no numerable es una variable aleatoria continua en un determinado intervalo de nmeros reales, si existe una funcin real que en dic2o intervalo, cumpla con las siguientes dos condiciones$ < Sea no negativa < 4ubra una superficie igual a 8. (uncin de densidad de probabilidad: "s la funcin real que cumple con la condicin de no negatividad y con la condicin de cierre. !na variable aleatoria continua queda definida cuando se conoce su funcin de densidad de probabilidad. !na

funcin de densidad de probabilidad est% definida nicamente en el recorrido de la variable aleatoria, o sea, el intervalo Ua,bV, fuera de este intervalo dic2a funcin es nula. &a funcin de densidad de probabilidad de una variable aleatoria continua explica el comportamiento probabilstico de esta variable. 4on la funcin de densidad de probabilidad es posible calcular la probabilidad de ocurrencia de los valores de una variable aleatoria continua, teniendo en cuenta las siguientes reglas$ < 3ados dos valores de la variable continua E, E8PE9 que pertene'can al intervalo Ua,bV la probabilidad de encontrar un valor de la variable entre ellos esta dadas por la superficie que encierra la funcin entre dic2os puntos.

< &a probabilidad de que la variable E tome un valor individual E: es nula. "n un punto no 2ay superficie.

< Si la probabilidad puntual es igual a cero, cuando se calcula la probabilidad de que un valor de la variable pertene'ca a un intervalo determinado, es indistinto que este sea cerrado o abierto.

(uncin de distribucin Sea E una variable aleatoria continua con funcin de densidad de probabilidad f(x definida en el intervalo de nmeros reales Ua,bV. Se llama funcin de distribucin, ;(x , a un modelo matem%tico o funcin no decreciente, que asigna a cada valor de la variable aleatoria un valor de probabilidad acumulada desde el lmite inferior del recorrido, 2asta ese valor.

(uncin de distribucin complementaria Sea E una variable aleatoria continua con funcin de densidad de probabilidad f(x definida en el intervalo de nmeros reales Ua,bV. Se llama funcin de distribucin complementaria, -(x , a un modelo matem%tico o funcin no creciente, que asigna a cada valor de la variable aleatoria un valor de probabilidad acumulada desde un valor de la variable, 2asta el lmite superior del recorrido.

Relacin entre las funciones de distribucin: /a suma entre el )alor de la ,uncin de distribucin correspondiente a un )alor de la )ariable . el )alor de la ,uncin de distribucin complementaria correspondiente a dic1o )alor de la )ariable es i(ual a uno. %ercentil de orden : (+PFP8CC / FTr de una variable aleatoria continua al valor de la variable E/, donde se acumule, una probabilidad igual a F/8CC. "s posible obtener una funcin de proporciones lo percentiles (o fractiles buscando la inversa de la funcin de distribucin. "sta funcin recibe el nombre de ;uncin percentilar. &a funcin de distribucin surge de integrar la funcin de densidad de probabilidad de la variable aleatoria continua utili'ando como lmite inferior de integracin el lmite inferior del recorrido, y como lmite superior de integracin, el valor de la variable. Momentos tericos !na funcin de probabilidad o una funcin de densidad de probabilidad, por ser #odelos #atem%ticos, son #odelos .ericos. 4on estas funciones se puede predecir el comportamiento probabilstico de las variables aleatorias. )ermiten calcular valores tericos relacionados con dic2as variables. Dalores que se esperan, en promedio, si el experimento aleatorio se desarrolla bajo las mismas condiciones. < Se llama Momento de una variable aleatoria al valor esperado o esperan#a matemtica de una funcin de la variable. < Se llama Momento o esperan#a matemtica de una funcin generada con una variable aleatoria discreta, a la suma del producto de cada valor num1rico de la funcin por el correspondiente valor de probabilidad puntual, a trav1s del recorrido de la variable.

< Se llama Esperan#a matemtica de una funcin generada con una variable aleatoria continua, a la integral, a

trav1s del recorrido de la variable, del producto de la funcin dada por la funcin de densidad de probabilidad de la variable.

Momentos %articulares: Son potencias de la variable cuando 1sta est% medida desde distintos orgenes. &a variable puede tener un origen natural, o sea el nmero C. Aaciendo una translacin del origen, se puede medir desde algn otro valor. 3e esta manera, se obtienen dos tipos de momentos particulares. #omentos 0bsolutos y #omentos 4entrados. Momentos )bsolutos: Momento absoluto de orden :: "s la esperan'a matem%tica de la potencia F?esima de la variable aleatoria. "l momento absoluto de orden 8 es el promedio o media aritm1tica esperada de la variable aleatoria.

"n los momentos absolutos, l variable aleatoria esta medida desde el origen natural, o sea, desde el numero C. "l momento absoluto de orden 8, A8 I "(x 8 . &a interpretacin del promedio esperado o media aritm1tica esperada es el valor que se espera obtener, en promedio, si el experimento es repetido bajo las mismas condiciones, una cantidad muy grande de veces. Calculo de los momentos absolutos de las variables discretas:

Calculo de los momentos absolutos de las variables continuas:

Momento Centrado: Momento centrado terico de orden :: "s la esperan'a matem%tica de la potencia /?esima de la desviacin de la variable aleatoria con respecto a la media aritm1tica esperada. "l momento centrado de orden 9 es la varian'a esperada de la variable aleatoria. Calculo de los momentos centrados de las variables discretas:

Calculo de los momentos centrados de las variables continuas:

"elacin entre los momentos centrados * los momentos absolutos: "s posible calcular los momentos centrados, utili'ando los momentos absolutos. A1 B Ax 3ado el momento centrado de orden 9$

3ado el momento centrado de orden :$

3ado el momento centrado de orden Q$

(uncin 'eneratri# de momentos Sea E una variable aleatoria y t una variable real, no aleatoria, se llama funcin generatri' de momentos de la variable E, a la esperan'a matem%tica de la potencia E.t del numero e. < &a funcin generatri' de momentos es nica y determina por completo la distribucin de probabilidad de una variable aleatoria. "sto quiere decir que si dos variables tienen la misma funcin generatri' de momentos, entonces tienen la misma distribucin de probabilidad. < "l momento absoluto de orden F se obtiene reali'ando la derivada /?esima de la funcin generatri' de momentos, con respecto a la variable t y valori'ando dic2a derivada en el origen de la variable t(tIC Medidas 2ue resumen informacin: Desvo estndar: "s la ra' cuadrada positiva de la varian'a esperada.

Coeficiente de variacin de una variable aleatoria discreta$ "s el cociente entre el desvo est%ndar y el promedio o media aritm1tica esperada.

Mediana: < 3e una variable aleatoria discreta es el valor tal que, 2asta el valor de variable inmediato anterior, se acumule, a lo sumo, una probabilidad de C,LC y desde el valor de variable inmediato posterior se acumule, a lo sumo, una probabilidad de C,LC.

< 3e una variable aleatoria continua al valor de la variable 2asta donde se acumula una probabilidad exactamente igual a C,LC.

Modo: < 3e una variable aleatoria discreta al valor de la variable m%s probable, o de m%xima probabilidad, dentro de un entorno de dic2o valor. Si todos los valores de una variable aleatoria discreta tienen igual valor de probabilidad puntual entonces no existe modo. < 3e una variable aleatoria continua al valor de la variable con el que la funcin de densidad de probabilidad alcan'a

un m%ximo relativo. Coeficiente de asimetra < ;uncin de probabilidad$ !na distribucin de probabilidad de una variable discreta es sim1trica, si las probabilidades puntuales correspondientes a valores de la variable que equidistan de la media aritm1tica esperada son iguales < ;uncin de densidad de probabilidad$ !na distribucin de probabilidad de una variable continua es sim1trica, si las im%genes de la funcin de densidad de probabilidad correspondientes a valores de la variable que equidisten de la media aritm1tica esperada son iguales. )roposicin, en toda distribucin sim1trica, los momentos centrados de orden impar son iguales a cero. )ara medir el grado de la asimetra se utili'a un coeficiente que surge del cociente entre el momento centrado de orden : y el desvo est%ndar elevado al cubo. Si es IC sim1trica, si es OC es asim1trica a la derec2a, si es P C es asim1trica a la i'quierda. Coeficiente de Curtosis: "s una caracterstica que tienen las distribuciones de probabilidad y corresponde a una relacin entre la amplitud total y la m%xima ordenada, que se presenta en una distribucin de probabilidad. )or condicin de cierre, la probabilidad total debe ser igual a 8. Wsea la sumatoria de p(xi I 8 FIC mesocurtica, /OC leptocurtica, /PC platicurtica. Se calcula mediante el cociente entre el momento centrado de orden Q y el desvo est%ndar elevado a la potencia cuarta y restando tres a ese resultado. )roposicin es que en toda distribucin sim1trica unimodal, coinciden el valor de la media aritm1tica, la mediana y el modo, pero la reciproca no necesariamente es cierta. %ropiedades del promedio * de la varian#a < "l promedio esperado de una constante, es la constante misma y la varian'a esperada de una constante es nula. < "l promedio esperado de la suma de una constante mas una variable, es igual a la constante mas el promedio esperado de la variable y la varian'a de la suma de una constante mas una variable es igual a la varian'a de la variable. < &a esperan'a matem%tica o promedio del producto de una constante por una variable, es igual al producto entre la constante y la esperan'a matem%tica o promedio de la variable y la varian'a del producto de una constante por una variable es igual al producto entre el cuadrado de la constante y la varian'a de la variable. < dada la transformacin a fin MIaJbE por aplicacin conjunta de las propiedades "(M I aJb H "(E y D(M IbN9.D(E

/eorema de tc+eb*c+eff
Sea E una variable aleatoria, discreta o continua, con esperan'a matem%tica finita y varian'a finita, y sea F un nmero real positivo mayor a uno. 4ualquiera sea la distribucin de probabilidad de la variable aleatoria E, siempre se cumple que$ &a probabilidad de que, el modulo de la desviacin ente un valor de la variable y el promedio esperado, sea mayor o igual, a / veces el desvo est%ndar (FO8 , es a lo sumo 8/F

$ariable estandari#ada Se llama variable estandari'ada de una variable aleatoria, discreta o continua, a la variable que se genera 2aciendo el cociente entre, la diferencia entre la variable original y su esperan'a matem%tica, y la ra' cuadrada positiva de la varian'a. Caractersticas de la variable estandari#ada: .oda variable aleatoria estandari'ada, tiene esperan'a igual a cero y varian'a igual a uno, cualquiera sea la naturale'a de la variable original que se est% estandari'ando.

)plicaciones de la variable estandari#ada "standari'ar una variable aleatoria, la variable original, es transformar los valores de ella, que est%n expresados en unidades de la magnitud original, a valores en unidades de desvi est%ndar. "n otras palabras, el valor de la variable estandari'ada indica a qu1 distancia, a cuantos desvos est%ndares, y en qu1 posicin (i'quierda o derec2a se encuentra el correspondiente valor observado de la variable en estudio, con respecto a su media aritm1tica. "sta transformacin 2ace posible que se pueda comparar la desviacin con respecto al promedio aritm1tico, de valores individuales correspondientes a variables aleatorias que representan distintas circunstancias, o distintos grupos, o medidas en distintas unidades de magnitudes.

3e*es de probabilidad especficas Cap C


Experimento aleatorio dicotmico: 0quel experimento aleatorio cuyo espacio muestral tiene solo dos resultados posibles mutuamente excluyentes. %ermutaciones: 3ado un conjunto formado por n elementos, se llama permutacin de n a cualquier arreglo ordenado de los n elementos. &a cantidad de permutaciones que se pueden formar ordenando los n elementos de distinta manera, se calcula con un nmero llamado factorial de n. Espacio continuo: "s un recinto de infinitos puntos donde en cualquiera de ellos es posible encontrar un elemento. Son las magnitudes (longitud, superficie, tiempo Distribucin de <ernoulli: "s una funcin que proporciona valores de probabilidad a una variable aleatoria discreta que denota la presencia o ausencia de un determinado atributo. Si el atributo no se presenta, se asigna a la variable el valor cero, si el atributo se presenta se asigna a la variable el valor uno. &a cantidad de elementos con un determinado atributo que se presenta en una observacin de un experimento aleatorio dicotmico, es una variable aleatoria discreta, r, cuya funcin de probabilidad es llamada distribucin de bernoulli. "epeticin de un experimento aleatorio dicotmico: 4ada ve' que el experimento aleatorio dicotmico se repite, los elementos que tengan el atributo que se est% considerando pueden presentarse o no, es aleatorio, entonces, en las n repeticiones del experimento, 2abr% algunos elementos que tengan el atributo, o puede ser que ninguno tenga el atributo, o todos tengan el atributo. Distribucin 4iper'eometrica: < #odelo probabilstico para una variable aleatoria discreta. < #odelo que corresponde a aquellos experimentos aleatorios donde se reali'an sucesivas observaciones de unidades experimentales sin reposicin. < &a no reposicin provoca un cambio en el valor de probabilidad de ocurrencia del atributo por tal motivo las observaciones no son independientes. < &as n repeticiones del experimento aleatorio dicotmico no son independientes, o sea, la probabilidad de que se presente un elemento con un determinado atributo no permanece constante a trav1s de las n observaciones. &a cantidad de elementos con un determinado atributo, que se presentan en n observaciones dependientes de un experimento aleatorio dicotmico, es una variable aleatoria discreta, r, cuya funcin de probabilidad es llamada distribucin 2ipergeometrica.

"l cociente */( es un par%metro estadstico que representa la proporcin de elementos que tienen un determinado atributo en un universo de tamaBo (. y generalmente se lo simboli'a con la letra griega pi. Distribucin <inomial < &as n observaciones son independientes$ la probabilidad de que se presente un elemento con un determinado atributo permanece constante a trav1s de las n pruebas. &a cantidad de elementos con un determinado atributo, que se presentan en n observaciones independientes de un experimento aleatorio dicotmico, es una variable aleatoria discreta, r, cuya funcin de probabilidad es llamada distribucin binomial.

Distribucin 'eom8trica < &a variable aleatoria es la cantidad de repeticiones independientes del experimento que son necesarias para encontrar un elemento que tenga un determinado atributo. < Si n es la cantidad de observaciones o repeticiones independientes del experimento aleatorio dicotmico, entonces en las primeras (n?8 observaciones no se tiene que 2aber presentado el elemento con el atributo. &a cantidad de observaciones independientes de un experimento aleatorio dicotmico necesarias para encontrar 8 elementos con un determinado atributo, es una variable aleatoria discreta, B, cuya funcin de probabilidad es llamada distribucin geom1trica. ((o va pero leer teora por las dudas . Distribucin %ascal < &a variable aleatoria es la cantidad de repeticiones del experimento pero que son necesarias para encontrar una cantidad fija, mayor a uno, de elementos que tengan un determinado atributo. < "sta variable es til cuando se quieren concreta algunos trabajos de investigacin, o tener una correcta informacin acerca de determinadas situaciones, donde es necesario contar con una cantidad fija de elementos que tengan un determinado atributo. )ara ello, 2abr% que repetir el experimento aleatorio tantas veces como sea necesario. "s decir, se observan unidades experimentales sucesivamente 2asta conseguir la cantidad con atributo que se necesita, y reci1n, cuando ello se logra, se detienen las pruebas. < 3efinicin$ &a cantidad de observaciones independientes de un experimento aleatorio dicotmico necesarias para encontrar r elementos con un determinado atributo, es una variable aleatoria discreta, B, cuya funcin de probabilidad es llamada distribucin pascal.

"elacin entre la distribucin de pascal * la distribucin binomial &os valores de probabilidad puntual de la distribucin de pascal se pueden obtener a partir de la distribucin binomial. Si 2ay que encontrar exactamente r elementos que tengan un determinado atributo, o sea r 1xitos, y para ello 2ay que 2acer exactamente n pruebas, necesariamente, el ltimo 1xito encontrado, debe coincidir con el ltimo elemento observado, porque cuando se lo encuentra se detienen las pruebas. &os (r?8 primeros 1xitos pueden obtenerse en cualquiera de las primeras (n?8 pruebas independientes, pero el r? esimo 1xito debe estar en la n?esima observacin. )ara calcular la probabilidad de encontrar (r?8 1xitos en (n?8 observaciones independientes, 2ay que utili'ar la distribucin binomial. Si esta probabilidad se multiplica por p, o sea por la probabilidad de encontrar el r?esimo 1xito que falta se obtiene el mismo valor de probabilidad que el que se obtiene cuando se calcula usando la distribucin de )ascal. Distribucin de %oisson &a distribucin que se estudia en este punto se origino en el estudio de la cantidad de elementos (personas, automviles, llamadas telefnicas, etc. que arriban en un determinado periodo de tiempo. )osteriormente el an%lisis fue generali'ado para otros espacios continuos. 3ado un espacio muestral continuo de extensin t. "n dic2o continuo ocurren ciertos acontecimientos en forma aleatoria formando una secuencia o flujo de acontecimientos. Se supone que este flujo de acontecimientos satisfaces las siguientes condiciones$ 8 Sean (t8,t9 y (t:,tQ dos intervalos cualesquiera del continuo, no superpuestos y estadsticamente independientes, o sea que la probabilidad de que se produ'can acontecimientos en uno de los intervalos, no depende de los que ocurrieron en el otro. 9 &a probabilidad de que un acontecimiento se produ'ca en un intervalo infinitesimal (tC,tCJXt es un infinit1simo de orden Xt. : &a probabilidad de que se produ'can dos o m%s acontecimiento en el intervalo infinitesimal (tC,tCJXt es un infinit1simo de orden Xt. Q &os acontecimientos ocurren con una tasa media o frecuencia media o promedio de presentacin en el continuo conocido. &a cantidad de acontecimientos que se presentan en un continuo es una variable aleatoria discreta. Definicin: &a cantidad de elementos que se presentan al a'ar en un continuo de extensin t, y con un promedio de presentacin en el continuo igual a , es una variable aleatoria discreta, rY, cuya funcin de probabilidad es llamada distribucin de )oisson.

Apro(imaciones:
)proximacin de la distribucin +iper'eometrica a la distribucin <inomial $ 4uando 2ay que calcular un valor de probabilidad para una variable con distribucin 2ipergeometrica, frecuentemente, el tamaBo del universo ( es una cantidad grande en relacin con la cantidad de observacin n. .an grande es, que el numero combinatorio se torna incalculable con los m1todos corrientes. 4uando ello ocurre, el c%lculo de las probabilidades de la distribucin 2ipergeometrica se 2ace utili'ando la distribucin binomial. "l lmite de la distribucin 2ipergeometrica, cuando el tamaBo del universo ( tiende a infinito, es la distribucin binomial. "sto quiere decir que, si el tamaBo del universo es suficientemente grande, con relacin al nmero de observaciones, aun cuando las observaciones sean sin reposicin, los valores de probabilidad puntual de la distribucin 2ipergeometrica se pueden calcular, aproximadamente con la distribucin binomial.

)proximacin de la distribucin binomial a la distribucin de %oisson$ 4uando 2ay que calcular un valor de probabilidad para una variable con 3istribucin binomial, puede ocurrir que la cantidad de observaciones n, sea grande y la probabilidad de encontrar un elemento con el atributo p, sea pequeBa. Si n es muy grande el nmero combinatorio se torna incalculable con los m1todos corrientes. Si p es muy pequeBo, la potencia es pr%cticamente cero. "l lmite de la distribucin binomial, cuando la cantidad de observaciones n tiende a infinito y la probabilidad de que se presente un elemento con un determinado atributo p tiene a C es la distribucin de )oisson. "sto quiere decir que, si la cantidad de observacin es suficientemente grande y la probabilidad de encontrar un elemento con un determinado atributo es suficientemente c2ica, los valores de probabilidad puntual de la distribucin binomial, se pueden calcular, aproximadamente, con la distribucin de )oisson.

$ariables aleatorias continDas )ara poder estudiar el comportamiento probabilstico de una variable aleatoria continua, calcular los momentos, calcular los valores de probabilidad dentro de un intervalo dado, etc. "s necesario conocer cu%l es la funcin de densidad de probabilidad que las define. 0lgunas variables est%n definidas por funciones de densidad de probabilidad cuyas ecuaciones tienen ciertas caractersticas especiales y por ello se les 2a asignado un nombre con el que se las reconoce. Distribucin Uniforme !na variable aleatoria continua E, definida en el intervalo de nmeros reales Ua,bV tiene distribucin uniforme si su funcin de densidad de probabilidad es f(x I 8/(b?a funcin de densidad. ;(x I (x Z a / (b Z a ;uncin de distribucin.

Caractersticas 8 a y b son los par%metros matem%ticos de la funcin. 9 )or ser funcin de densidad de probabilidad la funcin de densidad uniforme cumple con la condicin de no negatividad y con la condicin de cierre. : &a funcin de distribucin de la distribucin uniforme es$

Q &a funcin percentilar de la distribucin uniforme es$

L &a funcin generatri' de #omentos es$

[ &a esperan'a matem%tica o promedio aritm1tico de la variable es$

\ &a varian'a esperada de la variable es$

] 3ado que la funcin de densidad de probabilidad de la distribucin uniforme es sim1trica se verifica que$

^ 3ado que la funcin de densidad de probabilidad de la distribucin uniforme no tiene m%ximo relativo entonces la variable no tiene #odo. Distribucin Exponencial: !na variable aleatoria contina E, definida para todo numero real positivo, tiene distribucin exponencial si su funcin de densidad de probabilidad es$

Caractersticas: 8 @eta es el par%metro matem%tico de la funcin. 9 )or ser funcin de densidad de probabilidad la funcin de densidad exponencial cumple con la condicin de no negatividad y la condicin de cierre. : &a funcin de distribucin exponencial es$

Q L

&a funcin percentilar es$ &a funcin generatri' de momentos es$

&a esperan'a matem%tica o promedio aritm1tico de la variable es$

(&a esperan'a es un par%metro estadstico . \ &a varian'a esperada de la variable es$ @etaN9 )or lo tanto el desvo est%ndar es @eta. Distribucin Eormal &a distribucin normal es qui'%, una de las m%s importantes, dado que es un modelo terico que se presenta con extraordinaria frecuencia como funcin de densidad de probabilidad de las variables aleatorias continuas. &a distribucin normal posee importantes propiedades que permiten anali'ar el comportamiento de variables originadas en la suma o diferencia de otras variables, como as tambi1n, bajo ciertas condiciones, puede ser utili'ada como aproximacin de funciones de probabilidad para variables aleatorias discretas. !na variable aleatoria continua E, definida para todos los nmeros reales, tiene distribucin normal, si su funcin de densidad de probabilidad es$

Caractersticas Matemticas 8 &os nmeros _ y ` de la funcin de densidad normal son los par%metros matem%ticos de la funcin 9 &a funcin de densidad normal alcan'a un m%ximo relativo cuando xI _ : &a funcin de densidad normal tiene dos puntos de inflexin cuando$ EI _ ? ` EI _ J `

Q &a funcin de densidad normal es sim1trica con respecto al punto de m%xima ordenada L &a funcin de densidad normal es asntota al eje de abscisa. Caractersticas Estadsticas: 8 &a funcin de densidad normal cumple con la condicin de no negatividad y de cierre. 9 &a funcin de distribucin normal es$

: Q L C@ F@ ]

&a funcin generatri' de momentos es$ &a esperan'a matem%tica o promedio aritm1tico es$ &a varian'a esperada es$ 3ado que la distribucin normal es sim1trica se verifica que la media de la variable es A. "l modo es A &os momentos correspondientes a los Q primeros momentos son$

&as medidas de distribucin normal son$

$ariable normal estandari#ada o tipificada "l valor de la funcin de distribucin de una variable aleatoria con distribucin normal, para el valor x, es igual al valor de la funcin de distribucin de la variable estandari'ada a con distribucin normal, para el correspondiente valor.

%roposicin: Si x se distribuye normalmente con media , A y varian'a sigma cuadrado, entonces E se distribuye normalmente con media cero y varian'a uno. #omento centrado 8 I C #omento centrado 9 I 8 #omento centrado : I C #omento centrado Q I : (uncin de distribucin de la variable estandari#ada &os valores de la funcin de distribucin de la variable estandari'ada E se encuentran tabulados, por lo tanto, no es necesario lograr su expresin funcional. Si bien el recorrido de la variable es el conjunto de los nmeros reales, los valores de probabilidad acumulada significativos m%s usuales, corresponden a los valores de la variable que se encuentran en el intervalo ?:,^^P a P :,^^ )ara calcular la probabilidad de que el valor de una variable aleatoria distribuida normalmente pertene'ca a un determinado intervalo, primero 2ay que estandari'ar los valores de la variable original E, y con el correspondiente valor de a, obtener el valor de probabilidad en la tabla de la funcin de distribucin a. Calculo de probabilidad:

Calculo de los percentiles: )ara calcular el percentil de orden / de una variable aleatoria continua E, distribuida normalmente, se utili'a la .abla de percentiles de la variable estandari'ada a, ubicando el orden del percentil, expresado en probabilidad, en la columna ;(' y, de esta manera, locali'ar el correspondiente valor de a/.

9uma de variables aleatorias normales independientes.


.oda combinacin lineal de variables aleatorias normales independientes, tiene distribucin normal. %roposiciones < &a esperan'a matem%tica de la suma de variables aleatorias independientes es igual a la suma de las "speran'as #atem%ticas 5ndividuales de cada una de las variables. < &a Darian'a de la suma de variables aleatorias independientes es igual a la suma de las varian'as individuales de cada una de las variables. < &a suma de variables aleatorias normales independientes, se distribuye normalmente. Casos: )rimer caso$ .odas las variables est%n multiplicadas por una constante no nula y cada una de las variables tiene distinta esperan'a matem%tica y distinta varian'a. Segundo caso$ .odas las constantes son iguales a uno, y todas las variables tienen distinto promedio o esperan'a matem%tica y distinta varian'a. .ercer caso$ .odas las constantes son iguales a uno, y todas las variables tienen el mismo promedio o esperan'a matem%tica y la misma varian'a. Casos 'enerales: Sean 9 variables aleatorias normales independientes la diferencia entre las variables, llamada variable diferenciada tambi1n tiene distribucin normal$ E8 Z E9 I 8.E8 J (?8 .E9 y la esperan'a es "(E8 Z E9 I A8 ? A9 y la varian'a es entonces$ D(E8 Z E9 I D(8.E8 J (?8 .E9 I 8N9.D(E8 J (?8 N9.D(E9 )proximacin de la distribucin binomial a la distribucin normal "l lmite de la distribucin binomial, cuando la cantidad de observaciones n tiende a infinito y la probabilidad de que se presente un elemento con un determinado atributo p tiende a C,LC es la distribucin normal. &a variable en estudio es una variable aleatoria discreta, pero para el c%lculo de probabilidad se utili'a la distribucin normal, que es una distribucin para variable continua, por ello, para calcular el valor de la variable estandari'ada 2aciendo una =correccin por continuidad> que consiste en sumar o restar, segn corresponda, medio punto al valor de la variable rY, de modo que el valor puntual quede estrictamente incluido en un intervalo. )bi(r menor igual a x se suma C.L el valor puntual. )bi(r mayor igual a x se le resta C.L al valor puntual. )bi(r I x se forma un intervalo sumando y restando C.L al valor puntal sea, )bi (rIj I )no (j?C.L P x P jJC.L )proximacin de %oisson a distribucin normal: Se aproxima a normal cuando landa O9C, se utili'a la variable estandari'a$ aI (r Z landa / (ra' de landa &anda I A )or ende la ra' de landa es el desvo.

"ntonces se 2ace$ aI (r J o Z C.L Z landa/ ra' de landa. )po(rPj I )no(rPjJC.L )po(rOj I )no(rOj?C.L )po(rIj I )no(r?C.LPjPrJC.L

/eorema Central del 3mite:


"ste teorema se refiere a que cuando se necesita calcular la probabilidad referida a la suma de variables independientes y no se especifica cual es la distribucin de ellas, se puede utili'ar la distribucin normal siempre y cuando n sea lo suficientemente grande es decir mayor a :C.

.er Parcial:
"esumen Estadstica 1er %arcial.
Capitulo 1: Estimadores

Universo: conjunto de unidades experimentales que poseen caractersticas comunes observables, y que se utili'an para obtener informacin sobre un 2ec2o particular. %oblacin: es cualquier variable particular que se estudia a un universo. Censo: se llama censo a la medicin, en la totalidad de las unidades experimentales que conforman el universo, de todas las variables que previamente 2ayan sido declaradas relevantes, para la investigacin a llevar a cabo. Muestra: "s un subconjunto o parte de una poblacin tomada de forma tal, que con ella se pueda 2acer un juicio acerca de esa poblacin completa. (raccin de muestreo: 0l cociente entre el tamaBo de la muestra y el tamaBo de la poblacin (;# I n/( 5nferencia estadstica$ 4ualquier afirmacin que se reali'a sobre una determinada poblacin, bas%ndose en los datos obtenidos con una muestra. )udi1ndose obtener a partir del c%lculo de probabilidad, una determinada medida de la incertidumbre que se genera. Si ;mPC.8C ( I CC Se llama inferencia estadstica a cualquier afirmacin que se reali'a sobre una determinada poblacin, bas%ndose en los datos obtenidos con una muestra, pudi1ndose obtener, a partir de c%lculos de probabilidad, una determinada medida de la incertidumbre que se genera. Muestreo: "s el procedimiento mediante el cual se obtienen una o m%s muestra de una poblacin dada. Unidad de Muestreo: "s cada unidad experimental, o grupo de unidades experimentales, que son tomadas para obtener una muestra. DiseGo muestral: "s un plan de muestreo especifico donde se establece cuales ser%n los procedimiento a seguir para tomar una o m%s muestras. &as unidades experimentales que intervienen en una muestra, pueden ser tomadas con mayor o menor grado de subjetividad por parte del sujeto que se encarga de reali'ar la muestra. 3e esta manera, se originan distintos tipos de muestreo. 0lgunos de ellos son$ Muestreo probabilstico: "s cuando las unidades experimentales que componen la muestra son tomadas al a'ar. "l proceso de obtencin de cada uno de los elementos que integrara la muestra, es un experimento aleatorio. "s un tipo de muestreo objetivo porque no depende del sujeto que se encarga de tomar la muestra, sino del a'ar. Muestreo intencional: 4uando las unidades experimentales que componen la muestra son obtenidas siguiendo una regla o norma preestablecida. 3epende de las preferencias del sujeto. Muestreo sin norma: 4ada elemento que integrara la muestra es elegido por el sujeto, pero sin un criterio fijado. )or tal motivo se considera que la obtencin es cuasi?aleatoria, luego, el muestreo es cuasi?objetivo. Se puede utili'ar cuando 2ay elementos de juicio suficientes como para suponer que la poblacin es 2omog1nea. M8todo de obtencin de muestras Muestreo simple al a#ar:(sin reempla'o "l m1todo muestreo simple al a'ar (sin reempla'o consiste en obtener al a'ar, una muestra de n elementos, de entre los ( que constituyen el !niverso. Aay que tener en cuenta que todas las muestras posibles de tamaBo n deben tener la misma probabilidad de ser tomadas, como as tambi1n, que todos los elementos que integraran la muestra tengan, en el momento de cada extraccin, la misma probabilidad de ser obtenidas. 4onsid1rese, a modo de ejemplo, un !niverso finito de tamaBo (. 4omo a cada una de las unidades que se extraen no se las repone, la cantidad de muestras distintas, igualmente posibles, de tamaBo n que pueden obtener de dic2o !niverso, es una combinacin de ( elementos tomados de a n. "sta combinacin se puede calcular con el nmero combinatorio. ((n Muestreo estratificado al a#ar: "n aquellos casos en los cuales la poblacin presenta una gran variabilidad, sea, una poblacin 2eterog1nea, la utili'acin del #uestreo Simple al 0'ar puede proporcionar muestras no representativas y las conclusiones que surjan del an%lisis ellas no ser%n del todo confiables. 4uando se presentan estas situaciones, el m1todo de muestreo m%s adecuado a utili'ar es el muestreo estratificado al a'ar. "ste m1todo consiste en particionar al !niverso en estratos (o clases o subpoblaciones , dentro de los cuales si la variable debe presentar 2omogeneidad. 3e cada uno de los estratos se obtiene una muestra Simple al 0'ar. &a asignacin del tamaBo de la muestra a cada uno de los distintos estratos se llama afijacin, y puede reali'arse de alguna de las siguientes formas$ a 0fijacin igual o uniforme$ "l tamaBo de muestra que le corresponde a cada estrato es igual para todos. "ste tamaBo se calcula, entonces, 2aciendo el cociente entre el tamaBo de la muestra, n, y la cantidad de estratos, 2. b 0fijacin proporcional$ "l tamaBo de la muestra que le corresponde a cada estrato es proporcional al tamaBo del estrato. Se calcula 2aciendo el producto entre la fraccin de muestreo y el tamaBo de cada estrato. c 0fijacin +ptima$ "l tamaBo de la muestra para cada estrato es proporcional al tamaBo del estrato y al desvo est%ndar correspondiente. 3e esta manera se tiene en cuenta la falta de 2omogeneidad entre las subpoblaciones.

Muestreo por con'lomerados poliepticos: consiste en agrupar los elementos que conforman el universo en conglomerados, de modo tal que entre ellos 2aya la suficiente 2omogeneidad como para representar a al poblacional. "l proceso de obtencin de la muestra se 2ace sobre la base de estos conglomerados, que constituyen las unidades de muestreo, y no sobre la base de las unidades fsicas, con excepcin de la ltima etapa. Muestreo sistemtico al )#ar 4onsiste en ordenar a las ( unidades experimentales que conforman el !niverso, de acuerdo a como se fueron presentando, y obtener la muestra eligiendo, sistem%ticamente (de aqu la denominacin del m1todo , un elemento cada c unidades, tomado el primero de ello en forma aleatoria. Si el universo es finito, el numero c es la parte entera del cociente entre el tamaBo del universo y el tamaBo de la muestra. E,n I c Si el universo es infinito, el nmero c se elige arbitrariamente, sobre la base del buen saber y entender del estadstico que reali'a el trabajo. "ste m1todo es adecuado para ser utili'ado en aquellos casos en los cuales las !nidades "xperimentales que forman el universo se presentan con una determinada periodicidad. "n este caso, 2ay que evitar que el numero c sea igual al periodo con que se presentan las unidades experimentales en el universo, porque, si ello ocurriese se perdera representatividad en la muestra. Caractersticas poblaciones * mu8strales < Universo finito * pe2ueGo Se llama parmetro estadstico a toda medida que resume informacin calculada con las variables poblacionales. 8. )ar%metro indefinido .2eta. 9. #edia poblacional, mu I Ei/( :. Darian'a poblacional, (xi Z E N9 / ( Q. )roporcin de elementos$ pi I */( & Universo finito * 'rande o universo infinito Se llama parmetro estadstico a todo par%metro matem%tico de una funcin de probabilidad o de densidad de probabilidad, que brinda informacin acerca de una poblacin. &os par%metros no son constantes matem%ticas, son nmeros reales que pueden asumir cualquier valor que se encuentre dentro de un conjunto especfico. 8. #edia poblacional$ 9. Darian'a poblacional$ :. 3esvo est%ndar de la poblacin$ %roposiciones: las operaciones algebraicas reali'adas con los par%metros tambi1n son par%metros. Sea E8 una poblacin cuya poblacin con funcin de densidad f(E8 cuya media poblacional es mu8, y E9 otra poblacin con funcin de densidad f(E9 cuya media poblacional es mu9, entonces (mu8 Z mu9 es un par%metros. "ste se llama parmetro diferencia de medias poblacionales. Sea pi8 la cantidad de elementos con atributo que pertenecen a un universo de tamaBo ( y pi9 la cantidad de elementos con atributo que pertenecen a un universo de tamaBo n, entonces (pi8 Z pi9 es un par%metro que se llama parmetro de diferencia de proporciones poblacionales. Estad'rafo: "s toda funcin escalar, 2 (E8, E9,S, En generada con las variables mu1strales. Estad'rafo de un parmetro: .odo estadgrafo que proporcione informacin acerca de dic2o par%metro. Estad'rafo de transformacin: "s aquel estadgrafo que permite transformar al estimador, en una variable que tenga una determina distribucin de probabilidad. Estimacin 3ado que la mayora de los trabajos en donde se aplica el an%lisis estadstico, los par%metros de las poblaciones son desconocidos, 2ay que llevar a cabo el proceso de inferir o sacar conclusiones acerca de estos a trav1s de las variables mu1strales. &os m1todos que se utili'an para ello son dos, que generalmente se complementan, a saber$ < Estimacin puntual: Se llama estimacin puntual del par%metro b, a un m1todo de estimacin que consiste en calcular el valor num1rico nico que asume el estimador, luego de tomar la muestra y reali'ar las mediciones correspondientes. "ste valor num1rico se llama punto de estimacin < Estimacin por intervalo: Se llama estimacin por intervalo del par%metro b a un m1todo de estimacin que consiste en calcular, con los datos de la muestra, los lmites de un conjunto cerrado y acotado de nmeros reales. "ste conjunto se llama intervalo de estimacin. &os lmites del intervalo de estimacin dependen de la estimacin puntual

Distribucin de los estimadores: Se llama distribucin de probabilidad del estimador b, a aquella funcin de densidad de probabilidad, o funcin de probabilidad, segn corresponda, que describe su comportamiento probabilstico. 9es'o: Se llama sesgo a la diferencia entre, la esperan'a matem%tica del estimador y el par%metro a estimar. S"S-+ I " (b Z b Error medio cuadrtico: "s la esperan'a matem%tica del cuadrado de la diferencia entre el estimador b y el par%metro b. "#4 (b I " (b? b 9 #ide la variabilidad del estimador con respecto al par%metro estimado. %ropiedades de los buenos estimadores &as propiedades m%s importantes que debe tener un estimador b, para ser considerado un =buen> estimador del par%metro b son las siguientes$ < !nses'amiento: "l estimador b es un estimador insesgado del par%metro b si, y solo si la esperan'a matem%tica del estimador b es igual al par%metro b. "n otras palabras, es insesgado si su sesgo es igual a cero. S"S-+ I " (b ZbIC "l estimador b es un estimador )9!E/ /!C)MEE/E !E9E9-)D del par%metro b, si, y solo si el lmite de la esperan'a matem%tica del estimador b, cuando el tamaBo de la muestra n tiende a infinito, es igual al par%metro b. < Eficiencia: "l estimador b es un estimador eficiente del par%metro b si, y solo si se cumple que el estimador b tiene la menor varian'a que puede tener un estimador del par%metro b. o Eficiencia relativa: 3ado dos estimadores de un mismo par%metro b, el estimador b8 tiene una eficiencia relativa mayor que el estimador b9 si, y solo si la varian'a del estimador b8 es menor que la varian'a del estimador b9. < Consistencia: "l estimador b es un estimador consistente del par%metro b si y solo, si se cumple con el estimador b converge en probabilidad al par%metro b, cuando el tamaBo de la muestra n tiende a infinito. !n estimador es consistente si, a medida que el tamaBo de la muestra crece indefinidamente (tiende a infinito , la probabilidad de que la diferencia entre el estimador y el valor del par%metro pueda 2acerse tan pequeBa como se quiera, tiende a la unidad. < 9uficiencia: "l estimador b es un estimador suficiente del par%metro b, si, y slo si se cumple que el estimador b utili'a toda la informacin relevante acerca del par%metro b, contenida en la muestra aleatoria. -rados de libertad: Se llamada grados de libertad a la cantidad de variables libres, o estadsticamente independientes, que intervienen en un problema o en una distribucin asociada a un problema. )roposiciones$ la cantidad de grados de libertad que tiene la suma del cuadrado de las desviaciones con respecto a la media aritm1tica muestral es igual al tamaBo de la muestra menos uno. 6(n?8 gl7 Si en un estadgrafo intervienen / estimadores de otros tantos par%metros, los grados de libertad correspondientes a la suma del cuadrado de las desviaciones con respecto a dic2o estadgrafo, es igual al tamaBo de la muestra menos la cantidad de par%metros a estimar. 6(n?/ gl7 Media aritm8tica muestral: Se llama media aritm1tica muestral (o, simplemente media muestral a un estimador de la media poblacional, que se genera 2aciendo el cociente entre la suma de las variables mu1strales y el tamaBo de la muestra. $arian#a muestral: Se llama varian'a muestral a un estimador de la varian'a poblacional que se genera 2aciendo el cociente entra la suma del cuadrado de las desviaciones con respecto a la media aritm1tica muestral y los correspondientes grados de libertad.

%roporcin muestral: Se llama proporcin de elementos que tienen un determinado atributo en la muestra o, simplemente, proporcin muestral a un estimador de la proporcin poblacional, que se genera mediante el cociente entre la cantidad de elementos que si poseen un determinado atributo en la muestra y el tamaBo de la muestra.

Esperan#a * varian#a de los estimadores Media muestral: < &a esperan'a matem%tica de la media muestral siempre es la media poblacional. )or lo tanto la media muestral es un estimador insesgado de la media poblacional.

< &a varian'a de la media muestral de universos infinitos es$ )or lo tanto, si el universo es infinito, la media muestral es un estimador consistente de la media poblacional. &a varian'a de la media muestral de universos finitos es$ )or lo tanto, si el universo es finito, la media muestral es un estimador consistente de la media poblacional. %roporcin muestral: < &a esperan'a matem%tica de la proporcin muestral siempre es la proporcin poblacional )or lo tanto la proporcin muestral es un estimador insesgado de la proporcin poblacional. < &a varian'a de la proporcin muestral de universos infinitos es$

)or lo tanto, si el universo es infinito, la proporcin muestral es un estimador consistente de la proporcin poblacional. < &a varian'a de la proporcin muestral de universos finitos es$

)or lo tanto, si el universo es finito, la proporcin muestral es un estimador consistente de la proporcin poblacional. $arian#a muestral < &a esperan'a matem%tica de la varian'a muestral, en universos infinitos, siempre es la varian'a poblacional

)or lo tanto la varian'a muestral es un estimador insesgado de la varian'a poblacional. &a varian'a de la varian'a muestral de universos infinitos es$

Distribucin de al'unos estimadores


< Distribucin de la media muestral de poblaciones normales "l estimador #edia aritm1tica muestra, por estar originado en una suma de variables normales, es una combinacin lineal de variables aleatorias normales, por lo tanto, tambi1n tiene distribucin normal.

< Distribucin de la varian#a muestral Se utili'a la distribucin ji?cuadrado.

< Distribucin de la media aritm8tica muestral cuando la varian#a poblacional es desconocida Se utili'a la distribucin t de student con (n?8 grados de libertad.

& Distribucin de la proporcin muestral Se utili'a la distribucin normal estandari'ada. "l estadgrafo de transformacin para la proporcin muestral de universos infinitos es$

"l estadgrafo de transformacin para la proporcin muestral de universos finitos es$

)plicacin de la fraccin de muestreo "s el cociente entre el tamaBo de la muestra y el tamaBo de la poblacin (n/( y mide la proporcin del tamaBo de la muestra con respecto al tamaBo de la poblacin. Si la fraccin de muestreo es menor o igual a C.8C la poblacin puede considerarse infinita, y consecuentemente el factor

cue se utili'a en la varian'a de la media muestral y en la varian'a de la proporcin muestral, se puede considerar que tiende a 8.

Capitulo .: !ntervalos de confian#a


!ntervalos de confian#a: Se llama intervalo de confian'a para el par%metro b, a un m1todo de estimacin que consiste en determinar un conjunto cerrado y acotado de posibles valores del par%metro, cuyos lmites, inferior y superior, son funciones del estimador, y la correspondiente probabilidad de que dic2o intervalo cubra al verdadero valor del par%metro. Se llama nivel de confian#a o probabilidad fiducial, a la probabilidad de que el intervalo de confian'a cubra al verdadero valor del par%metro. 1 H: Eivel de confian#a: )robabilidad de que el intervalo cubra al verdadero valor del par%metro. H: Eivel de ries'o: )robabilidad de que el intervalo no cubra al verdadero valor del par%metro. Se llama !ntervalo de confian#a aditivo a aquel intervalo que permite que la probabilidad de que la estimacin difiera del par%metro en a lo sumo 2 veces el desvo est%ndar del estimador, sea igual al nivel de confian'a.

"l factor 2 se llama factor de confian'a y es el valor del fractil de orden de la distribucin de probabilidad del estadgrafo de transformacin del estimador b.

Se llama error de muestreo a la m%xima diferencia que podra 2aber entre el estimador y el par%metro. "n los intervalos aditivos la cantidad que se suma y se resta al estimador puntual es el error de muestreo. Si se conocen los lmites de un intervalo aditivo, la estimacin puntual se puede calcular 2aciendo la semisuma de los lmites del intervalo y el error de muestreo se puede calcular 2aciendo la semidiferencia de los lmites del intervalo.

!ntervalo de confian#a para la media poblacional de poblaciones normales: &as poblaciones pueden ser infinitas o finitas, como as tambi1n, es posible que se cono'ca el valor de la Darian'a de la poblacin d9, o no, en cuyo caso 2ay que utili'ar el estimador de dic2a varian'a, o sea la varian'a muestral S9. "sto da origen a distintas expresiones del intervalo de confian'a para el par%metro #edia poblacional. < Darian'a poblacional conocida. )oblaciones infinitas < Darian'a poblacional conocida. )oblaciones finitas < Darian'a poblacional desconocida. )oblaciones infinitas < Darian'a poblacional desconocida. )oblaciones finitas !ntervalo de confian#a para la media poblacional de poblaciones cu*a distribucin de probabilidad es desconocida: &as distribuciones de las poblaciones no siempre son conocidas. "n estos casos, para poder construir intervalos de confian'a para estimar el par%metro media poblacional, 2ay que recurrir a la aplicacin de algunos teoremas$ 4on el teorema 4entral del lmite se demuestra que los estadgrafos$

.ienen distribucin asintticamente normal estandari'ada cuando el tamaBo de la muestra tiende a infinito. )or otro lado, con el teorema de .c2ebyc2eff se puede demostrar que

4on estos dos teoremas se construyen los intervalos de confian'a para estimar el par%metro media poblacional. Muestras 'randes: Si la distribucin de probabilidad de la poblacin no es conocida y el tamaBo de la muestra es lo suficientemente grande como para que se cumpla el .eorema 4entral del &mite, entonces, para poblaciones infinitas o finitas, respectivamente$

+ si la varian'a poblacional es desconocida, bajo ciertas condiciones, para poblaciones infinitas o finitas, respectivamente

Muestras c+icas: Si la distribucin de probabilidad de la poblacin no es conocida, y el tamaBo de la muestra no es lo suficientemente grande como para que se cumpla el .eorema 4entral del &mite, entonces el nivel de confian'a del intervalo de estimacin es la cota inferior de probabilidad que surge de la aplicacin del teorema de .c2ebyc2eff. "ntonces, para poblaciones con varian'a poblacional conocida, infinitas o finitas, los intervalos de confian'as son, respectivamente

+ si la varian'a poblacional es desconocida, bajo ciertas condiciones, para poblaciones infinitas o finitas, respectivamente

3onde el factor de confian'a, /C, es el valor que surge de la aplicacin del teorema$

!ntervalo de confian#a para la proporcin de elementos 2ue tienen un determinado atributo en la poblacin: < %oblaciones infinitas: Sea pi. )ar%metro desconocido, p I r/n (proporcin , "l estadgrafo de transformacin para la )roporcin muestral es$ 4uya distribucin es asintoticamente normal estandari'ada. &a expresin del intervalo$

< %roporcin poblacional desconocida. %oblaciones finitas. Sea pi I */(, "l estadgrafo de transformacin para la proporcin muestral es$

&a expresin del intervalo$

3onde aC es el factor de confian'a y es el fractal de orden ?10 H,.@ de la distribucin normal estandari'ada. !ntervalo de confian#a para la varian#a poblacional < %oblacin infinita "l estadgrafo de transformacin para la varian'a muestral es$ &a expresin del intervalo$

a$ es el fractil de orden H,. de la distribucin ji?cuadrado con ?n01@ 'l. b$ es el fractil de orden ?10 H,.@ de la distribucin ji?cuadrado con ?n01@ 'l. /amaGo de muestra /amaGo de muestra para estimar la media poblacional: < $arian#a poblacional conocida "l c%lculo del tamaBo de la muestra se reali'a teniendo en cuenta los siguientes factores$ El error de muestreo: "ste factor es proporcionado por el usuario de la muestra. "l debe indicar cu%l es la m%xima diferencia entre la media muestral y la media poblacional est% dispuesto a aceptar. "l error de muestreo debe estar expresado en la misma unidad de medida de la variable. /a con,ian"a en la estimacin: "ste factor es proporcionado por el usuario de la muestra. "l debe indicar cu%l es la probabilidad deseada de que el intervalo de confian'a cubra al verdadero valor de la media poblacional. /a )arian"a de la poblacin: "ste factor indica el grado de variabilidad de la poblacin. El tama2o de la poblacin: "n caso de poblaciones finitas, este factor es una restriccin para el tamaBo de la muestra. "l error de muestreo se obtiene 2aciendo la semidiferencia entre los lmites del intervalo de confian'a.

Si la poblacin infinita, el error de muestreo es$

&uego Si la poblacin es finita, el error de muestreo es$ &uego

)or lo tanto$

)or lo tanto$

< $arian#a poblacional desconocida "l tamaBo de la muestra para estimar la media poblacional de poblaciones normales infinitas, cuando no se conoce la varian'a poblacional, se calcula mediante el uso de un proceso iterativo. "ste proceso consiste en los siguientes pasos$ 8 Se toma una muestra piloto de tamaBo arbitrario nC (generalmente este tamaBo es igual a 8C y con ella se calcula el valor de la varian'a muestral utili'ando la formula ya explicada.

9 Se calcula un tamaBo de muestra inicial, utili'ando la siguiente frmula$

3onde$ .8$ "s el fractil de orden de la distribucin t de student con (n?8 g.l. S9$ Darian'a muestral calculada con la muestra piloto de tamaBo nC. e$ "rror de muestreo : Se obtiene un segundo tamaBo de muestra, cambiando el valor t8 utili'ado anteriormente por t9, otro fractil de orden de la distribucin t de Student pero usando (n8?8 g.l. Q Se obtiene un tercer tamaBo de muestra, cambiando el valor t9 utili'ado anteriormente por t:, otro fractil de orden de la distribucin t de Student pero usando (n9?8 g.l. L "ste proceso iterativo se repite tantas veces 2asta que dos tamaBos de muestra consecutivos son iguales niI n(iJ8 entonces ese es el tamaBo de la muestra. /amaGo de muestra para estimar la proporcin poblacional "l c%lculo del tamaBo de la muestra se reali'a teniendo en cuenta los siguientes factores$ < El error de muestreo: "ste factor es proporcionado por el usuario de la muestra. "l debe indicar cu%l es la m%xima diferencia entre la proporcin muestral y la proporcin poblacin que est% dispuesto a aceptar. "l error de muestreo debe estar expresado en tanto por uno. < /a con,ian"a en la estimacin: "ste factor es proporcionado por el usuario de la muestra. "l debe indicar cu%l es la probabilidad deseada de que el intervalo de confian'a cubra al verdadero valor de la proporcin poblacional. < /a proporcin: "ste factor proporciona informacin sobre el grado de concentracin de los elementos que tienen el atributo 0. < El tama2o de la poblacin: "n caso de poblaciones finitas, este factor es una restriccin para el tamaBo de la muestra. "l error de muestreo se obtiene 2aciendo la semidiferencia entre los lmites del intervalo de la confian'a.

Si la poblacin es infinita, el error de muestreo es

&uego 3ado que el valor de p es desconocido porque se calcula con la muestra, no puede formar parte de la frmula utili'ada para calcular el tamaBo de la muestra, por lo tanto, se utili'a un valor alternativo al que se simboli'ara p.

"l valor de p podr% obtenerse de alguna de las siguientes formas$ < !tili'ando datos que surjan de trabajos anteriores < !tili'ando una muestra piloto (generalmente de tamaBo LC , < Si es imposible o impracticable alguna de las formas citadas, entonces, se utili'a directamente el valor C,LC, dado que, cuando 2ay dicotoma, dos grupos, la mayor dispersin se alcan'a si cada grupo tiene el LCG. Si la poblacin es finita, el error de muestreo es$

&uego

)or lo tanto

Cap 1 0 %rueba de 4iptesis:


%rueba de +iptesis: Se llama 2iptesis estadstica a cualquier afirmacin o aseveracin que se formula acerca de cualquier caracterstica poblacional (el valor num1rico de un par%metro, la forma funcional de una poblacin, etc. . Se llama +iptesis parametrica a aquella 2iptesis estadstica planteada para controlar o verificar el valor num1rico de un par%metro. Se consideran solo tres posibles situacin del valor num1rico del par%metro, a saber$ < "l valor num1rico del par%metro b es exactamente igual a un determinado valor postulado bo. < "l valor num1rico del par%metro b es menor a un determinado valor postulado de bo. < "l valor num1rico del par%metro b es mayor a un determinado valor postulado de bo. Se llama curso de accin a la accin que se llevara a cabo, si se conociese el verdadero valor del par%metro b. Se llama desi'ualdad e2uivalente a la i'ualdad a aquella desigualdad entre el par%metro b y el valor postulado bo, que provoca el mismo curso de accin que se llevara a cabo con la igualdad entre el valor del par%metro b y el valor postulado bo. Se llama desi'ualdad no e2uivalente a la i'ualdad a aquella desigualdad entre el par%metro b y el valor postulado bo, que provoca un curso de accin distinto al que se llevara a cabo con la igualdad entre el valor del par%metro b y el valor postulado bo. Se llama +iptesis nula a aquella 2iptesis que establece que la diferencia entre el verdadero valor del par%metro valor del par%metro b y el valor postulado b, y el valor que se postula valor del par%metro b y el valor postulado bo.o, es cero. (ecesariamente la 2iptesis nula debe plantearse como la igualdad entre el valor del par%metro y el valor postulado "sta igualdad puede estar acompaBada o no por alguna de las 9 desigualdades, segn sea el curso de accin a seguir y la existencia o no de alguna desigualdad equivalentes. Se puede distinguir 9 tipos de 2iptesis nulas$ < 4iptesis nula Dnica: cuando no 2ay desigualdad equivalente. "l valor del par%metro b es igual al valor postulado bo. &a diferencia entre el verdadero valor del par%metro b y el valor postulado, bo es cero. < 4iptesis nula mDltiple: 4uando 2ay desigualdad equivalente Si es menor$ "l valor de par%metro b es igual o menor al valor postulado bo &a diferencia entre el verdadero valor del par%metro b y el valor postulado, bo, es menor o igual a cero Si es mayor$ "l valor de par%metro b es igual o mayor al valor postulado bo &a diferencia entre el verdadero valor del par%metro b y el valor postulado, bo, es mayor o igual a cero 4iptesis alternativa: "s aquella 2iptesis que debera cumplirse si la 2iptesis nula no es cierta. Aiptesis alternativa nica$ 4uando 2ay un solo valor alternativo del par%metro b, el b8, que debera ser en el caso de que la 2iptesis nula no sea cierta. (A8 < 4iptesis alternativa Dnica: Si la 2iptesis nula no es cierta, entonces, el valor de par%metro b debera ser igual a b8. < 4iptesis alternativa mDltiple: 4uando 2ay un conjunto abierto de posibles valores alternativos del par%metro b, en caso de que se rec2ace la 2iptesis nula.

3e acuerdo con el tipo de 2iptesis nula que se plantea, se distinguen : formas mutuamente excluyentes de plantear la 2iptesis alternativa mltiple$ 8 Si la 2iptesis nula es nica, o sea, si no 2ay desigualdad equivalente, entonces se plante la 2iptesis alternativa mltiple$ Se interpreta$ Si la 2iptesis nula no es cierta, entonces, el valor de par%metro b es distinto (mayor o menor a bC. "s un planteo =por distinto>. 9 Si la 2iptesis nula no es nica, y si la desigualdad equivalente es la desigualdad menor entonces se plantea la 2iptesis alternativa mltiple$ Se interpreta$ Si la 2iptesis nula no es cierta, entonces, el valor de par%metro b es mayor a bo. "s un planteo =por mayor>. : Si la 2iptesis nula no es nica, y si la desigualdad equivalente es la desigualdad mayor, entonces se plantea la 2iptesis alternativa mltiple$ Se interpreta$ Si la 2iptesis nula no es cierta, entonces, el valor de par%metro b es menor a bo. "s un planteo =por menor> %rueba de +iptesis nula: "s un m1todo estadstico con el cual, a partir de los datos de una muestra aleatoria, se decide acerca de la veracidad o falsedad de la 2iptesis nula formulada, pudi1ndose calcular la probabilidad de cometer un error en la decisin tomada. &a 2iptesis que se prueba para decidir si debe ser rec2a'a o no, siempre es la 2iptesis nula. 9e llama estad'rafo de prueba, para pruebas param1tricas, a un estadgrafo apropiado, ep, con el que se reali'a la prueba de 2iptesis, que mida la discrepancia, d, entre el par%metro a probar y el estimador correspondiente y, adem%s, tiene una distribucin de probabilidad conocida. )ara poder establecer su discrepancia, en el estadgrafo de prueba deben estar presentes tanto el par%metro a estimar como su correspondiente estimador. -en1ricamente el estadgrafo de prueba se simboli'a M su valor numero, despu1s de reempla'ar las variables mu1strales con el resultado de la muestra, se simboli'a ep. "l estadgrafo de prueba es una variable aleatoria que se genera transformando al estimador b, por lo tanto su dominio 3 , es una transformacin del espacio muestral "e'in critica * re'in de no rec+a#o "l m1todo para reali'a la prueba de 2iptesis consiste en particionar al dominio, 3, del estadgrafo de prueba, ep, en dos subconjuntos o regiones mutuamente excluyentes. Segn a cu%l de las dos regiones pertene'ca el valor nmero del estadgrafo de prueba, se rec2a'a o no a la 2iptesis nula$ "e'in critica= "C, es el subconjunto del dominio 3 con el que se rec2a'a la 2iptesis nula. "e'in de no rec+a#o, *0 I( 3?*4 , es el subconjunto del dominio 3 con el que no se rec2a'a la 2iptesis nula. Si 2ay una desigualdad equivalente, la regin crtica est% formada por un subconjunto semicerrado. "n este caso se dice que la prueba es unilateral. Si no 2ay desigualdad equivalente, la regin crtica est% formada por dos subconjuntos semicerrados mutuamente excluyentes de igual tamaBo. "n este caso se dice que la prueba es bilateral. 9e llama punto crtico, pc, a la frontera de la regin crtica. 4uando la prueba es unilateral la regin crtica est% formada por un subconjunto semicerrado, por lo tanto, 2ay un solo (nico punto crtico. Si la prueba es bilateral, la regin crtica est% formada por dos conjuntos semicerrados, luego 2ay dos puntos crticos. "n cualquiera de las dos situaciones, los puntos crticos pertenecen a la regin crtica, por lo tanto, son puntos de rec2a'o de la 2iptesis nula. 9e llama re'la de decisin a aquella regla que establece las pautas para rec2a'ar la 2iptesis nula y se enuncia$ = Si el valor num1rico del estadgrafo de prueba pertenece a la regin critica, entonces se rec2a'a la 2iptesis nula, en caso contrario, si el valor num1rico del estadgrafo de prueba no pertenece a la regin critica, entonces no se rec2a'a la 2iptesis nula$ AC$ .2eta I .2etaC 3ada la 2iptesis nula la regla de decisin establece que 2ay que rec2a'arla si, luego de obtener la muestra, 2acer las mediciones correspondientes y calcular el valor num1rico del estadgrafo de prueba, ep, 1ste pertenece a la regin critica, y que no 2ay que rec2a'arla si el estadgrafo de prueba, ep, no pertenece a la regin critica. Error de tipo !: "l 2ec2o de rec2a'ar la 2iptesis nula cuando la 2iptesis nula es cierta. Error de tipo !!: "l 2ec2o de no rec2a'ar la 2iptesis nula cuando la 2iptesis nula es falsa. Eivel de si'nificacin: "s la probabilidad de cometer el error de tipo 5, o sea, a la probabilidad de rec2a'ar la 2iptesis nula cuando es cierta. "l nivel de significacin se simboli'a con la letra griega e y mide el tamaBo de la regin critica. %otencia de la prueba: "s la probabilidad de no cometer el error de tipo 55, o sea, la probabilidad de rec2a'ar la 2iptesis nula cuando es falsa. &a potencia de la prueba se simboli'a con la letra griega f )ccin derivada "l rec2a'o de la 2iptesis nula inducir% al investigador a reali'ar una determinada accin con respecto al objeto de su investigacin. Si por el contrario, no se rec2a'a la 2iptesis nula, entonces el investigador estar% tambi1n inducido a reali'ar una accin, pero distinta. 4ualesquiera de estas dos acciones se derivan del resultado de la prueba de 2iptesis.

9e llama accin derivada a la accin que se lleva a cabo segn el resultado de la decisin estadstica que se tome, rec2a'ar o no rec2a'ar la 2iptesis nula. )asos a seguir para reali'ar una prueba de 2iptesis parametrica 8?"stablecer el par%metro a probar 9?5ndicar los cursos de accin :?Derificar si 2ay una desigualdad equivalente Q?)lantear la 2iptesis nula y la 2iptesis alternativa L?5ndicar el estadgrafo de prueba a utili'ar y su correspondiente distribucin de probabilidad [?"stablecer la regin critica y el o los puntos crticos teniendo en cuenta lo siguiente$ a Si la desigualdad no equivalente es la desigualdad menor, toda la regin critica esta a la i'quierda y el punto crtico es el fractil e9. b Si la desigualdad no equivalente es la desigualdad mayor, toda la regin critica esta ala derec2o y el punto crtico es el fractil (8?e : c Si no 2ay desigualdad equivalente la regin critica se particiona en dos. !na parte a la i'quierda cuyo punto crtico es el fractil (e/9 Q y la otra parte a la derec2a cuyo punto crtico es el fractil 68?(e/9 7. \?)lantear la regla de decisin estadstica para rec2a'ar o no la 2iptesis nula. ]? 4alcular el valor num1rico del estadgrafo de prueba y verificar a que regin pertenece. ^?.omar la decisin estadstica 8C?&levar a cabo la accin derivada. Estad'rafos de prueba para la prueba de +iptesis de parmetros especficos de una poblacin: Estad'rafo de prueba para la prueba de +iptesis de la media poblacional de poblaciones normales: & %oblaciones infinitas con varian#a poblacional conocida: & %oblaciones finitas con varian#a poblacional conocida: & %oblaciones infinitas con varian#a poblacional desconocida: & %oblaciones finitas con varian#a poblacional desconocida: Estad'rafos de prueba para la prueba de +iptesis de la media poblacional de poblaciones no normales %oblaciones infinitas con varian#a poblacional conocida: & %oblaciones infinitas con varian#a poblacional conocida: & %oblaciones finitas con varian#a poblacional conocida: & %oblaciones infinitas con varian#a poblacional desconocida: & %oblaciones finitas con varian#a poblacional desconocida: Estad'rafo de prueba para la prueba de +iptesis de la proporcin de elementos con un determinado atributo: < %oblaciones infinitas: & %oblaciones finitas: Estad'rafo de prueba para la prueba de +iptesis de la varian#a poblacional de poblaciones normales %oblaciones infinitas ?Dnico caso@: Estad'rafo de prueba para comparar las varian#as de dos poblaciones normales: Estad'rafo de prueba para comparar las medias poblacionales de dos poblaciones normales:

& 9i las varian#as poblaciones son conocidas & 9i las varian#as poblaciones son desconocidas 1. Darian'as desconocidas pero iguales el estadgrafo es$

su distribucin es . de student con (n8 J n9 ?9 grados de libertad ya que para estas condiciones de la poblacin, este es el estadgrafo del estimador. S9 a se llama varian'a amalgamada y el promedio ponderado de las varian'as mu1strales. )onderadas por los respectivos grados de libertad$

.. Darian'as desconocidas pero distintas el estadgrafo es$ Su distribucin es . de student con v grados de libertad, donde$

Ma que para estas condiciones de la poblacin, este es el estadgrafo de transformacin del estimador. Estad'rafo de prueba para comparar las proporciones poblacionales de dos poblaciones: "l estadgrafo de prueba es$

M su distribucin de probabilidad es asintticamente, la distribucin normal, ya que para estas condiciones, este es el estadgrafo de transformacin del estimador$

Cap I J )nlisis de re'resin * Correlacin


)nlisis de re'resin: "s un m1todo estadstico que permite explicar el comportamiento de una variable cuantitativa, a partir del comportamiento de otra u otras variables que puedan estar relacionadas, estableciendo la expresin funcional del modelo matem%tico que describa dic2o comportamiento. $ariable explicada: "s aquella variable cuantitativa cuyo comportamiento se desea describir a partir del comportamiento de otra u otras variables. $ariables explicativas: Son aquellas variables que explica el comportamiento de la variable explicada "l anlisis de re'resin consiste en construir un modelo que permita predecir el valor de la variable explicada, utili'ando para ello, valores de F variables explicativas. "l modelo a construir consta de dos partes. !na de ellas, es una funcin real o modelo matem%tica y la otra parte, es una variable aleatoria que representa la variabilidad no controlada por las / variables explicativas. Se llama modelo estadstico de regresin al modelo Se llama funcin de regresin al modelo matem%tico que interviene en el modelo estadstico de regresin Se llama residuo aleatorio o variable aleatoria residual a la variable aleatoria que forma parte del modelo estadstico de regresin. u Supuestos b%sicos de la regresin Aay que plantear los siguientes supuestos sobre la variable aleatoria residual u. )ara cada /?erna (E8,E9S,E/ posible de los valores de las variables explicativas, se supone que se cumple$ 8 &a variable aleatoria residual u tiene distribucin normal 9 &a esperan'a matem%tica de la variable aleatoria residual u es cero : &a varian'a de la variable aleatoria residual u se mantiene constante Q &as variables aleatorias residuales ui,uj, para dos /.erna (E8,E9S,E/ cualesquiera, son independientes, o sea, la covarian'a entre ellas es cero L &a variable aleatoria residual es independiente de cada una de las variables explicativas )nlisis de re'resin simple: "s el an%lisis que se reali'a cuando a cada unidad experimental de un determinado

universo se le miden solo dos variables, una variable explicativa y una variable explicada. Sean E una variable explicativa e M una variable explicada. &os valores individuales de cada una de la variables que se miden se presentan como pares ordenados (xi,yi . 4ada par ordenado representa un punto en un plano. .odos los posibles pares del universo se pueden presentar en un grafico utili'ando coordenadas cartesianas ortogonales. Se llama dia'rama de puntos o dia'rama de dispersin a la representacin grafica de los pares ordenados de los valores de las variables que intervienen en el an%lisis de regresin simple. Se llama modelo de re'resin lineal simple, polinmico de primer grado, al modelo de regresin que se forma cuando la funcin de regresin es una funcin afn, o sea, una recta$ !n valor individual de la variable residual es la diferencia entre un valor de la variable explicada y el valor de la recta de regresin para un valor dado de la variable explicativa. 3e no cumplirse los supuestos referidos a la esperan'a matem%tica y a la varian'a de la variable aleatoria residual, entonces$ "l valor promedio esperado de la variable explicada para cada valor de la variable explicativa, o sea la esperan'a matem%tica condiciones, es la recta de regresin$ M la varian'a de la variable explicada para cada valor de la variable explicativa, o sea la varian'a condicionada, es igual a la varian'a residual$ !n valor individual de la variable residual es la diferencia entre un valor de la variable explicada y el valor de la recta de regresin para un valor dado de la variable explicativa "ntonces, si cada valor de la recta de regresin es el promedio, o valor esperado de la variable explicada para cada valor de la variable explicativa, la recta de regresin pasa entre los puntos del diagrama de puntos compensando los desvos que se producen. &a ordenada al origen y la pendiente de la recta de regresin, gC y g8 respectivamente, tambi1n son par%metros estadsticos. "sto quiere decir que brindan informacin sobre la variable explicada, en relacin con la variable explicativa. "j.$ "n la recta que representa la funcin consumo?ingreso estudiada en econmica, la ordenada al origen es el consumo autnomo, o sea, el valor del consumo cuando el ingreso es cero, y la pendiente es la propensin marginal a consumir, o sea, la cantidad que se destina al consumo por cada peso adicional del ingreso. g8 Se llama coeficiente de regresin y es la pendiente de la recta. "s el cociente entre la covarian'a entre la dos variables y la varian'a la variable explicativa$ gC es la ordenada al origen. 9uma de cuadrados de 6$ &a diferencia entre un valor particular de la variable explicativa Eo y su media aritm1tica E es una desviacin de la variable E Si se toman todos los valores de dic2a variable se puede calcular la suma del cuadrado de las desviaciones de la variable x con respecto a la media aritm1tica o simplemente suma de cuadrados de x, la que mide la variabilidad total de la variable E. 9uma de cuadrados de 5: &a diferencia entre un valor particular de la variable explicada Mo y su media aritm1tica M es una desviacin de la variable M. Si se toman todos los valores de dic2a variable se puede calcular la suma del cuadrado de las desviaciones de la variable y con respeto a la media aritm1tica, o simplemente suma de cuadrados de y, la que mide la variabilidad total de la variable M. 9uma del producto 65: "l producto de la diferencia entre un valor particular de la variable explicativa EC y su media aritm1tica E y de la diferencia entre un valor particular de la variable explicada MC y su media aritm1tica M es una desviacin conjunta Si se toman todos los pares de valores de dic2as variables se puede calcular la suma del producto de las desviaciones de cada variable con respecto a sus respectivas medias aritm1ticas, o simplemente suma del producto EM, la que mide la variabilidad conjunta total entre las variables E e M. &a recta de regresin estimada tiene la propiedad de compensar los desvos que se producen entre cado valor muestral de la variable explicativa y el correspondiente valor de la recta. Se cumple que$ Estimadores:

&os estimadores de la pendiente y de la ordenada al origen son$ @etaCI bC @eta 8I b8 )or ende el modelo estimado de regresin lineal simpleh MI bC J b8Hx Je donde M I bCJb8Hx es la recta de regresin estimada y eI 6M?(bCJb8Hx 7 I (M?M lo que es igual al residuo muestral. &a recta de regresin estimada tiene la propiedad de compensar los desvos que se producen entre cada valor muestral de la variable explicativa y el correspondiente valor de la recta.

Medidas de variabilidad en la re'resin Se llama desviacin total a la diferencia entre un valor individual de M y el promedio Se llama desviacin explicada por la regresin a la diferencia entre el valor de la recta de regresin estimada, correspondiente al valor xC, y el promedio de la variable M. &a diferencia entre un valor individual de M y el valor de la recta de regresin estimada correspondiente al valor E, se llama desviacin residual. Sumas de cuadrados total 3a suma del cuadrado total: &a suma del cuadrado de las n desviaciones totales es una medida de la variacin de los valores de M en torno a su media M. 9uma de cuadrados explicada por la re'resin: &a suma del cuadrado de todas las n desviaciones explicadas por la regresin es una medida de la variacin de los valores de la recta de regresin muestral en torno a su medida M. 9uma de cuadrados residual: &a suma del cuadrado de las n desviaciones residuales es una medida de la variacin de los valores de variable explicada y los correspondientes de la recta de regresin muestral.

&a suma de cuadrados total es igual a la suma de la suma de cuadrados explicada y la suma de cuadrados residual. Coeficiente de determinacin: "s un coeficiente que mide la proporcin de la variacin total que esta explicada por la regresin. Se llama coeficiente de determinacin de, *N9, al cociente entre la suma de cuadrado explicada y la suma de cuadrado total.

$arian#a residual muestral "s un estimador insesgado de la varian'a residual poblacional. "s el cociente entre la suma de cuadrados residual y sus correspondientes grados de libertad.

Distribucin del estimador de la ordenada al ori'en de la recta de re'resin:

3ado que la variable residual u se distribuye normalmente, el estimador bC es una combinacin lineal de variables aleatorias normales, por lo tanto tiene distribucin normal.

"l estadgrafo de transformacin para el estimador bC es$

)or lo general la varian'a residual poblacional es desconocida, luego, 2ay que utili'ar su estimador, la varian'a residual de la muestra SN9. "n este caso la varian'a del estimador es una varian'a estimada.

Si no se conoce la varian'a poblacional, el estadgrafo de transformacin de los estimadores tiene distribucin t de student con los grados de liberad de la suma de cuadrados de la varian'a de la muestra.

Distribucin del estimador de la pendiente de la recta de re'resin: Sea el estimador de la pendiente de la recta de regresin$

3ado que la variable residual u se distribuye normalmente, el estimador b8 es una combinacin lineal de variables aleatorias normales, por lo tanto tiene distribucin normal.

"l estadgrafo de transformacin para el estimador b8 es$

)or lo general, la varian'a residual poblacional es desconocida, luego, 2ay que utili'ar su estimador, la varian'a de la muestra. "n este caso la varian'a del estimador es una varian'a estimada.

Si no se conoce la varian'a poblacional el estadgrafo de transformacin tiene distribucin t.

Distribucin del estimador de la prediccin de un valor de la variable explicada para un valor dado de la variable explicativa:

"l estadgrafo de transformacin para el estimador es$

4uando la varian'a residual poblacional es desconocida$

"l estadgrafo de transformacin para la varian'a poblacional desconocida es$

!ntervalos de confian#a: +rdenada al origen$

)ara la pendiente$

)ara la prediccin$

%rueba de 4iptesis: "stadgrafo de prueba para la ordenada al origen poblacional$

"stadgrafo de prueba para la pendiente poblacional$

)nlisis de correlacin: "s un m1todo estadstico que permite medir el grado de asociacin entre las variables. )nlisis de correlacin lineal simple se lleva a cabo cuando la funcin de regresin que explica el comportamiento conjunto de las variables es la funcin afn, o sea, una recta. Coeficiente de correlacin 3ineal poblacional: &a intensidad de la relacin lineal entre las variables se mide con el par%metro coeficiente de correlacin lineal, *A+. "ste coeficiente surge del cociente entre la covarian'a entre las variables y el producto de los desvos est%ndares de cada una de ellas. "s un nmero que esta necesariamente entre menos uno y uno. Coeficiente de Correlacin 3ineal Muestral: 4uando *A+ es desconocido 2ay que estimarlo, por lo tanto se sabe que el coeficiente de correlacin muestral es r.

Si el coeficiente de correlacin lineal poblacional *A+ es igual a cero se cumple que el estadgrafo tiene distribucin t de student con n?9 grados de libertad.

Si el coeficiente de correlacin no es igual a cero, para obtener una distribucin que explique el comportamiento probabilstico del coeficiente de correlacin lineal muestral, 2ay que 2acer una transformacin logartmica del estimador r.

"sta transformacin tiene distribucin asintticamente normal con esperan'a matem%tica y varian'a$

"ntonces la variable estandari'ada es$

)rueba de Significacin$

)rueba de valor num1rico$

Cap >: 9eries Cronol'icas


Definicin: Se llama serie cronolgica a un conjunto de datos estadsticos correspondientes a una misma variable cuantitativa recopilados sistem%ticamente en intervalos equidistantes en el tiempo. 9e tienen: series cronolgicas anuales, semestrales, cuatrimestrales, trimestrales, bimestrales, mensuales y semanales. "l objetivo principal del an%lisis de las series cronolgicas es aislar a los factores que provocan la variabilidad temporal, o sea, a los factores que influyen en la variable con la finalidad de predecir, planificar y controlar. &os datos empricos que sirven de base a un an%lisis de series cronolgicas se presentan en un cuadro estadstico o tabla estadstica. Componentes: se llama componentes de una serie cronol'ica a los factores que caracteri'an su dinamismo. &os componentes son cuatro, tres de ellos son fijos y el resto es aleatorio. 8 #ovimiento de tendencia (componente fijo 9 #ovimiento estacional (componente fijo : #ovimiento cclico (componente fijo Q 4omponente residual (componente aleatorio Movimiento de tendencia: se llama movimiento de tendencia a una ley simple que pone de manifiesto la evolucin media de la serie. &a tendencia se representa por una lnea .(t cuyos valores pasen por entre los valores observados de la variable en estudio compensando las desviaciones que se producen entre ambos, de modo tal que se anulen las otras componentes fijas, y se ponga de manifiesto la marc2a dominante de la serie. )ara poder extrapolar la ley que represente la tendencia debe ser una funcin matem%tica. 3eterminacin de la tendencia lineal. "n este trabajo, la nica funcin que se utili'ara para describir el comportamiento de una serie cronolgica, ser% la funciona fin o sea una recta. "sta recta se llama recta de tendencia. f (t I M(t I a J b.t - M(t $ valor de la tendencia en el periodo t. valor terico o promedio de la variable en estudio bajo el supuesto de ausencia de estacionalidad y cliclicidad. - a$ ordenada al origen de la recta de tendencia. "ste par%metro matem%tico no proporciona informacin estadstica de la serie. - b$ pendiente de la recta de tendencia. "l valor numero de este par%metro matem%tico se interpreta como la variacin promedio peridica de la serie, D.).). Si la D.).). tiene signo positivo, entonces es un incremento promedio peridico, si el signo es negativo, entonces es un decremento promedio peridico. )ara calcular el valor num1rico de los par%metros matem%ticos de la recta de tendencia, se utili'a el m1todo de mnimos cuadrados, que consiste, esencialmente, en minimi'ar la suma del cuadrado de los residuos, u(t . "stos se obtienen 2aciendo las derivadas parciales con respecto a dic2os par%metros e igualando a cero. Extrapolacin: extrapolar la tendencia de 2 perodos, significa calcular el valor futuro de la recta de tendencia para cada uno de los prximos 2 periodos, a partir del ultimo observado. %romedios mviles: se suele utili'ar el m1todo de promedios mviles para eliminar la influencia de la componente estaciones y la componente cclica, y de esta manera poder caracteri'ar la tendencia. &os promedios mviles, )#, son promedios o medias aritm1ticas que se calculan con los datos de una serie peridica de n elementos, utili'ando para promediar siempre una misma cantidad m de datos, m P n, =movi1ndose> a lo largo de la serie. )ara la utili'acin de los promedios mviles en las series cronolgicas cuando los datos se captan en periodos menores al semestre, m es la cantidad de periodos en que se 2a dividido el aBo. - si los datos son mensuales, entonces m I 89 - si los datos son bimestrales, entonces m I [ - si los datos son trimestrales, entonces m I Q - si los datos son cuatrimestrales, entonces m I : "l total que se utili'a para el c%lculo de los promedios mviles, es un total anual. "s el total de los ltimos m periodos. 3e esta manera se tiene un total anual que se ira =moviendo> a trav1s de los periodos 2asta completar todos los aBos. "ste total se llama .otal 0nual #vil, .0#. &a cantidad de .0# que 2ay en una serie cronolgica de 2 aBos y m periodos dentro de cada aBo es (n Z m J 8 .

&os promedios mviles se calculan 2aciendo$ )# I (.0#/m Movimiento estacional: se llama movimiento estacional a las fluctuaciones peridicas que pueden ocurrir regularmente dentro del aBo. "ste componente se presenta cuando el periodo de captacin de datos es inferior al semestre, y mide la influencia que puede tener cada uno de los periodos en el desarrollo de la serie "l movimiento estacional se representa con un coeficiente, llamado coeficiente estacional, que mide, en forma relativa, la proporcin que el valor de la variable en cada periodo, es mayor o menor al valor de tendencia o valor medio de la serie. "sta tendencia se supone que carece de estacionalidad y puede no ser la tendencia calculada con funciones matem%ticas. M8todo de relacin a los promedios mviles )ara el c%lculo de los coeficientes estacionales se utili'an como valores de tendencia, .(t , los promedios mviles. "l m1todo de relacin a los promedios mviles consiste en$ 8 Se calculan todos los promedios mviles de la serie. 9 Se calculan los cocientes entre cada uno de los valores de la variable observados en el j?1simo periodo del i? 1simo aBo, Mij y su correspondiente promedio movil, )#ij. : : para obtener el coeficiente estacional correspondiente al j?1simo periodo, ej, primero 2ay que calcular una medida de tendencia central. &a medida que se utili'a 2abitualmente es la mediana, para evitar la influencia de posibles aBos atpicos. Q &a suma de los 2 coeficientes estacionales necesariamente debe ser igual a la cantidad de periodos en que se 2a dividido el aBo, m. Si la suma de las medianas es igual a m entonces cada una de ellas es el coeficiente estacional. Si esto no ocurre, la diferencia se debe prorratear proporcionalmente, obteni1ndose as los definitivos coeficientes estacionales. Desestacionali#acin de una seria cronol'ica: 3esestacionali'ar una serie consiste en eliminar de la serie en estudio, la influencia de la componente estacional. "l valor desestacionali'ado para el j?1simo aBo se obtiene 2aciendo el cociente entre el valor medido de la variable, Mij, y el coeficiente estacional, ej, correspondiente a dic2o periodo. Mdij I (Mij/ej "l valor desestacionali'ado puede responder a la pregunta$ en ausencia de la estacionalidad i4u%l 2ubiese sido el valor de la variable en un determinado periodoj Estacionali#acin de valores futuros: "stacionali'ar valores futuros consiste en aplicar a los valores de la variable previstos para periodos futuros, la influencia de la componente estacional. "l valor estacionali'ado para el j?1simo periodo del i?1simo aBo futuro se obtiene 2aciendo el producto entre el valor previsto de la variable en el futuro, y el coeficiente "stacional, correspondiente a dic2o periodo. "l valor de la variable previsto para el futuro, puede obtenerse extrapolando la recta de tendencia o promediando un total anual planificado entre los distintos periodos. "l valor estacionali'ado puede responder a la pregunta$ si 2ubiese estacionalidad i4u%l seria el valor de la variable en un determinado periodo futuroj Movimiento cclico: se llama movimiento cclico a las fluctuaciones peridicas que pueden ocurrir regularmente dentro de un lapso de varios aBos. 0 trav1s del tiempo, los valores de una variable crecen durante varios aBos y luego durante otros aBos decrecen, formando los ciclos. !n ciclo generalmente dura entre L y 8C aBos, dependiendo y de las condiciones socioculturales, socio?econmicas y clim%ticas que influyen en la variable. "l anlisis del movimiento cclico consiste en la determinacin de la ecuacin de la curva que represente, en promedio, la o las componentes de naturale'a peridica que est%n contenidas en la funcin correspondiente a la serie que se esta en estudio. 4ada una de las fases de los ciclos econmicos tiene una particular interpretacin a saber$ 8 ;ase 8$ )rosperidad, constituida por una rama ascendente de la curva que va desde la lnea de tendencia 2asta llegar a punto m%ximo, el ptimo del proceso. 9 ;ase 9$ 4risis, un periodo de descenso de la curva, tendiente a volver a los valores de la tendencia. : ;ase :$ 3epresin, el proceso de descenso no se detiene y contina por bajo de los valores de la tendencia 2asta alcan'ar un mnimo. Q ;ase Q$ *ecuperacin, a partir de este mnimo comien'a un movimiento ascendente 2acia los valores de la tendencia o valores medios. )ara estudiar la ciclicidad es necesario que la serie cronolgica este formada por datos anuales de por lo menos LC aBos y el m1todo que se utili'a para la determinacin de los coeficientes cclicos, es el m1todo de los promedios mviles. Componente residual o aleatoria: se llama componente residual o aleatoria, a un factor que provoca variaciones con respecto a modelo que no son provocadas por las otras componentes.

&a componente residual indica la existencia de variables no controladas por el investigar dado que el objetivo del trabajo es anali'ar el comportamiento de una variable exclusivamente a trav1s del tiempo. "l origen de la componente residual puede ser$ a 4ausas fortuitas como$ 2uelgas, inundaciones, guerras, epidemias, asesinatos, polticos, etc. b +misin de variables que intervienen en el desarrollo de la serie. "l residuo es la diferencia entre el valor observado de la variable en un determinado periodo y el correspondiente valor de la recta de tendencia. $arian#a residual: la varian'a residual, Srk9, mide la variabilidad de los valores observados de la variable, con respecto a la recta de tendencia. !ntervalo de prediccin: se llama intervalo de prediccin al intervalo que se construye con el valor extrapolado de la tendencia, que posiblemente contenga al valor futuro de la variable, y la correspondiente probabilidad de que ello ocurra. )ara construir un intervalo de prediccin, primero 2ay que calcular la varian'a de la prediccin. "sta varian'a mide la variabilidad entre los valores extrapolados que ser%n utili'ados como predicciones, y los posibles valores que asumir% la variable en estudio.

Capitulo C: EDmeros ndices


EDmeros Kndices: Son aquellas medidas estadsticas que ponen de manifiesto, en forma cuantitativa, las variaciones relativas de un fenmeno complejo, a trav1s del tiempo, del espacio o de cualquier otra circunstancia. 5ndican la variacin porcentual de una variable o grupo de variables, entre una situacin inicial (situacin base de comparacin , y otra situacin final (situacin objeto de la comparacin . 9e llama canasta al conjunto de bienes econmicos que intervienen en la construccin de un nmero ndice. 9e llama periodo base al periodo cronolgico que se utili'a como situacin inicial o base de la comparacin 9e llama periodo actual al periodo cronolgico que se quiere comparar con el periodo base. "l periodo actual =t> es un momento particular en el tiempo. !n nmero ndice construido en ese momento, mide el tamaBo relativo porcentual de laguna variable, o grupo de variables, con relacin al tamaBo que tenan en el periodo base. )ara lograr que el nmero ndice ponga de manifiesto, con mayor objetividad, los cambios relativos en los valores de las variables, al seleccionar el periodo base para construir un ndice particular, se deben observar dos reglas$ < "l periodo base seleccionado debe ser un periodo de normalidad o estabilidad econmica, ya que un periodo que este cerca de una cspide, en una economa en expansin, o de una sima, en una economa declinante o en recesin, pueden proporcionar comparaciones que no reflejen adecuadamente los aspectos din%micos de las variables que se est%n anali'ando. < "l periodo base no debera estar muy alejado de los periodos que ser%n objeto de comparacin, a fin de que estas comparaciones no resulten afectadas sin necesidad, por cambios en la tecnologa, calidad del producto, o en las actitudes, intereses, gustos y 2%bitos de los consumidores. Clasificacin de los nDmeros ndices 9e'Dn la variable cu*a variacin se pretende medir= se clasifican en: < lndice de precios$ refleja el cambio porcentual de los precios de uno o m%s bienes. < lndice de cantidad$ *efleja el cambio porcentual de las cantidades demandadas de uno o m%s bienes. < lndice de valor$ *efleja el cambio porcentual de lo gastado en uno o m%s bienes. 9e'Dn el m8todo de construccin= se clasifican en: < lndices simples$ 0quellos que tienen en cuenta solamente las variaciones relativas, sin considerar la importancia de las variables dentro del contexto, es decir, no se les asigna ningn tipo de peso o ponderacin. < lndices ponderados$ 0quellos que si tienen en cuenta la importancia de cada variable dentro del contexto donde est%n medidas, es decir, se les asigna un determinado peso o ponderacin. 9e'Dn la eleccin de la base= los ndices pueden ser: < lndice de base fija$ "l periodo tomado de referencia, el periodo base, se mantiene fijo a lo largo de toda la serie. < lndice de base variable o en cadena$ Son aquellos en los cuales la base se renueva constantemente, para evitar ciertos problemas que se plantean en la eleccin de la base. Kndice de %recio relativo: "s el cociente entre el precio del bien ese periodo y el precio del bien en el periodo base Kndices 9imples )ara un solo bien$ *elativo simple, es el precio relativo multiplicado por 8CC. "ste ndice indica la variacin porcentual del precio del i?esimo bien de la canasta. lndice para un grupo de bienes$ 0unque un ndice de precios para cualquier bien individual, puede resultar de inter1s para determinados trabajos, resulta m%s importante un ndice que refleje la variacin conjunta de todos los bienes de

la canasta. %romedio aritm8tico simple de los relativos: "ste ndice se obtiene calculando el promedio aritm1tico simple, de los precios relativos de los / bienes de la canasta y multiplicando este resultado por 8CC. )'re'ativo simple: "l ndice agregativo simple se obtiene 2aciendo el cociente entre la suma de todos los precios correspondiente a la canasta en el periodo actual, t, y la suma de todos los precios correspondiente a la canasta en el periodo base, y multiplicando este resultado por 8CC. "l lndice de precio agregativo simple representa los cambios en los precios, a trav1s del tiempo, para toda la cansa, mientras que el ndice del promedio simple de precios relativos refleja el promedio de los cambios en los precios, a trav1s del tiempo, de cada bien considerado en el ndice. "l ndice de precio agregativo simple es m%s f%cil de calcular que el ndice de promedio simple de precios relativos. "l ndice del promedio de precios relativos es m%s til que el ndice de precio agregativo simple, porque es posible observar los cambios en los precios relativos, individualmente, y tambi1n se puede considerar el cambio de los precios combinando todos los artculos. "l ndice del promedio simple de precios relativos no est% influido por las unidades de medida utili'adas en la comerciali'acin de los bienes. Kndices ponderados .anto el ndice de promedio simple de precios relativos como el ndice de precios agregativo simple presentan el inconveniente de no considerar la importancia que tienen cada uno de los bienes dentro de la cansa. "llo 2ace que estos indicen no sean significativos para explicar cmo los cambios en los precios afectan a los consumidores. )or este motivo, al promediar los precios relativos, 2ay que recurrir a los promedios ponderados, utili'ando factores de ponderacin adecuados para cada bien de la canasta, de modo tal que quede reflejado cuales son los m%s demandados por las unidades de consumo. &as ponderaciones utili'adas generalmente son$ a &as cantidades demandadas de cada uno de los bienes, q8. b "l valor de lo gastado en cada uno de los bienes. (p8.q8 )romedio ponderado de los precios relativos a )onderado por la cantidad "ste ndice se construye calculando el promedio aritm1tico ponderado de los precios relativos, utili'ando como factor de ponderacin, las correspondientes cantidades demandadas, en el periodo base, de los bienes que constituyen la canasta. b )onderado por el valor del aBo base "ste ndice se construye calculando el promedio aritm1tico ponderado de los precios relativos, utili'ando como factor de ponderacin, el valor gastado en el periodo base, en cada uno de los bienes que constituyen la canasta. c )onderado por el valor del aBo base con cantidades del aBo actual "ste ndice se construye calculando el promedio aritm1tico ponderado de los precios relativos, utili'ando como factor de ponderacin, el valor que se 2ubiese gastado en el periodo base, en casa uno de los bienes que constituyen la canasta si 2ubiesen demandado las cantidades del aBo actual. Kndices especiales: Kndice de 3aspe*res

"ste ndice mide la variacin porcentual del gasto total en los / bienes, si en el aBo actual se 2ubiesen demandado las cantidades del aBo base. "s criticado, en primer lugar, porque, segn las leyes econmicas, las variaciones en los precios provocan variaciones en las cantidades demandadas (generalmente en sentido contrario, luego, el numerado carecera de valide' ya que no reflejara la realidad. "n segundo lugar, este ndice no tiene en cuenta los cambios tecnolgicos y los cambios en los gustos de los consumidores, lo que 2ace que las cantidades sufran variaciones de importancia, llegando al extremo de ser casi nulas en algunos casos, no obstante, en la construccin del numero debe seguir figurando la cantidad demandada en el aBo base, con la consecuente distorsin de la realidad. Kndice de %aasc+e

"ste ndice mide la variacin porcentual del gasto total en los / bienes, si en el aBo base se 2ubiese demandado las cantidades del aBo actual. "s criticado porque, en primer lugar, igual que con el ndice de &aspeyres, no se tiene en cuenta las variaciones en las cantidades demandadas provocadas por las variaciones en los precios. "sto significa que si los precios del aBo base son menores a los del aBo actual, las cantidades demandadas ser%n mayores, luego, el denominador carecera de valide', ya que no reflejara la realidad. "n segundo lugar, por cuestiones tecnolgicas o de gustos del consumir, algunos bienes consumido en el aBo actual podran no conocerse en al aBo base, por lo tanto no tendran precio, y el ndice no se podra calcular. "n tercer lugar, si se quiere mantener una serie cronolgica

obligara a recalcularla en cada perodo, ya que las cantidades demandadas cambian de periodo a periodo. lndice de ;isc2er$ es el promedio geom1trico calculado entre el ndice de laspeyres y el ndice de passc2e.

Kndices de cantidad: !na cantidad relativa para cada uno de los bienes de la canasta, en un momento dado en el tiempo, el periodo actual t, es el cociente entre la cantidad del bien en ese periodo y la cantidad del bien en el periodo base. < Kndices simples )ara un solo bien$ &a cantidad relativa multiplicada por 8CC, es el ndice relativo simple. )ara un grupo de bienes$ a )romedio aritm1tico simple de los relativos$ "ste ndice se obtiene calculando el promedio aritm1tico simple, de cantidades relativas de los / bienes de la canasta y multiplicando este resultado por 8CC. b 0gregativo simple$ Se obtiene 2aciendo el cociente entre la suma de todas las cantidades correspondientes a la canasta en el periodo actual t, y la suma de todos las cantidades correspondientes a la canasta en el periodo base, y multiplicando este resultado por 8CC. < Kndices ponderados a )onderado por el precio$ Se construye calculando el promedio aritm1tico ponderado de las cantidades relativas, utili'ando como factor de ponderacin los correspondientes precios, en el periodo base, de los bienes que constituyen la canasta. b )onderado por el valor del aBo base$ Se construye calculando el promedio aritm1tico ponderado de las cantidades relativas, utili'ando como factor de ponderacin, el valor gastado en el periodo base, en cada uno de los bienes que constituyen la canasta c )onderado por el valor del aBo base con los precios del aBo actual$ Se construye calculando el promedio aritm1tico ponderado de las cantidades relativas, utili'ando como factor de ponderacin, el valor que se 2ubiese gastado en el periodo base, en cada uno de los bienes que constituyen la canasta si se 2ubiesen pagado los precios del aBo actual. M8todo para la construccin de nDmeros ndices 8 3efinir claramente cual deber% ser la canasta para evaluar la evolucin de los precios y/o cantidades a lo largo de un determinado lapso. 9 3eterminar cu%l de los periodos de ese lapso ser% el periodo base. : #ediante encuestas, se establece cual es el precio por unidad de comerciali'acin, pago por los consumidores por cada uno de los bienes de la cantas y qu1 cantidad se 2a demandado de ellos. Q 3ecidir cu%l es el ndice que proporciona la mejor informacin sobre la referida evolucin de los precios y/o cantidades. 9e llama deflactacin estadstica a un m1todo estadstico, que permite eliminar los efectos que las variaciones de los precios, entre el periodo base y el periodo actual, provocan sobre las variaciones de valores monetarios. !n valor monetario antes de la deflactacin se llama valor nominal o corriente, y despu1s de la deflactacin se llama valor real o constante del aBo base 9e llama ndice deflactor a un determinado nmero ndice que se utili'a para reali'ar una deflactacin estadstica. %ropiedades de un buen numero ndice: 8. *eversibilidad con respecto al tiempo$ "l producto entre el ndice de base en el periodo o para el periodo t ( en tanto por uno y dic2o ndice tomando como base el periodo t y calculando para el periodo o (en tanto por uno debe ser igual a la unidad. 9. 4ircularidad$ -enerali'acin de la reversibilidad con respecto al tiempo :. *eversibilidad de los factores$ "l producto entre un ndice de precios de base en el periodo o para el periodo t (en tanto por uno y el ndice de cantidad para el mismo periodo y la misma base (en tanto por uno debe ser igual al ndice del valor (en tanto por uno . Q. 5dentidad$ "l ndice de la base (en tanto por uno debe ser igual a la unidad L. Aomogeneidad$ "& ndice no debe variar si se cambian las unidades de medidas en que est%n expresadas las cantidades. [. )roporcionalidad$ Si los precios de todos los bienes cambian en la misma proporcin, el ndice de precios correspondiente debe cambiar en esa proporcin. Cambio de base: dada una serie cronolgica formada por ndices de precios, es posible confeccionar una nueva serie con otro periodo base de modo tal que se mantenga la proporcionalidad en los cambios relativos.