Métodos Cuantitativos

Para las Finanzas

Prof. Angel Daniel Serrano Urdaneta
Resumen de los Datos
¿Dónde Estamos ahora?

Distribuc. Frecuencias
Resumir Numéricas Med. Tend. Central
Dispersión
Descriptiva Histogramas
Polígonos
Presentar Gráficas Curvas
Barras
Pastel
Estadística

Inferencial
“La estadística es una ciencia que demuestra que si
mi vecino tiene dos autos y yo ninguno, en promedio
los dos tenemos uno.”
Sumario

1. Medidas de Tendencia Central

2. Medidas de Dispersión
3. Simetría y Medida de Curtosis
Estadística Sumaria
Descripción Numérica de
Datos

Tendencia Central Dispersión

Media Aritmética Rango

Mediana Rango Intercuartil

Moda Varianza

Desviación Estándar

Coeficiente de Variación
Estadística Sumaria
Tendencia Central

Media Mediana Moda

x i
x= i=1
n
Promedio Punto medio Valor
de los Datos observado
Aritmético
Ordenados frecuentement
e
Medidas de tendencia central
• Aquellas que nos indican cual podría ser el punto medio
o típico de un conjunto de datos analizados.
• Llamados “Promedios”.
• Promedios principales:
Media aritmética simple
Media ponderada
Media geométrica
Media Armónica
Mediana
Moda
Media aritmética simple

• Todo conjunto de variables N n

posee una media.  Xi  xi
i =1 i =1
• Incluye a todos los valores. = ;x =
• Es única. N n
N
• Suma de las desviaciones  f i Xi
de cualquier valor y la = i =1
media es cero. N
Media aritmética
• Ventajas:
• Concepto familiar para muchas personas
• Es única para cada conjunto de datos
• Es posible comparar medias de diferentes muestras
• Desventajas:
• Se ve afectada por los datos extremos.

0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10

Media = 3 Media = 4
Media ponderada

w X • Media aritmética en la

i i
= i =1 cual se considera a
k cada uno de los
w
p

i valores de las
i =1 variables de acuerdo
k con su importancia
w x
i =1
i i
relativa en el grupo.
x = k
p

w i =1
i
Media geométrica
• De n números positivos
es la raíz n-ésima del
 G = N X 1 X 2 X 3 .. X n
producto de los n
números.
 N −1 Valoralfinal 
• Para promediar
 G =  Valoralinicio  − 1
porcentajes, índices y  
cifras relativas.
• Determinar el incremento
porcentual promedio en
ventas, producción, etc.
Mediana
• Punto medio de los
valores después de Med = X  N2 + 0.5
ordenarlos.
• Es un promedio de DatosNoAgrupados
posición.
• No es afectada por
valores extremos.
N 
 2 − faA
Med = Li + i
 f 
 i 
DatosAgrupados
Mediana

Ejemplo:
Los siguientes datos se refieren al número de clientes
atendidos durante los últimos 11 días en una tienda de
artefactos. Calcule e interprete la mediana.
12, 10, 5, 15, 8, 11, 13, 8, 10, 17, 16
Primero se ordenan lo datos:
5, 8, 8, 10, 10, 11, 12, 13, 15, 16, 17
mediana
5 datos menores 5 datos mayores
Interpretación:
Durante 5 días se atendieron a menos de 11 clientes, y durante 5 días se
atendieron a más de 11 clientes.
Mediana
Reglas
1º Si la serie es impar, la mediana ocupa el lugar
central de la serie previamente ordenada.

Ejemplo: 5, 10, 10, 12, 15, 17, 20, 21, 24

2º Si la serie es par, la mediana se obtiene de la
semisuma de los dos valores centrales de la serie
previamente ordenada.
Ejemplo:
8, 10, 14, 18, 23, 24, 32, 34
18 + 23
mediana = = 20.5
2
Mediana
Ventajas:
• Los valores extremos no afectan a la mediana como
en el caso de la media aritmética.
• Es fácil de calcular, interpretar y entender.
• Se puede determinar para datos cualitativos.

Desventajas:
• Como valor central, se debe ordenar primero la serie
de datos.
Moda

• Valor que más se repite en

un conjunto de datos.
• No  d1 
es afectada por Mo = Li +  i
valores extremos.  d 1 + d 2
• Para datos discretos es
fácil de calcular. DatosAgrupados
• No puede ser calculada
exactamente en una dist.
de frecuencias.
Moda

Ejemplo:

4, 5, 7, 8, 8 , 10, 12, 15

4, 7, 12,12 , 15, 16, 20, 20 , 24, 27

7, 12, 15, 18, 25, 30, 31, 38 19

Moda
Ventajas:
• Se puede utilizar tanto para datos cualitativos como
cuantitativos.
• No se ve afectada por los valores externos
Desventajas:
• No tiene un uso tan frecuente como la media.
• Muchas veces no existe moda (distribución amodal).
• En otros casos la distribución tiene varias modas, lo
que dificulta su interpretación.
Selección del promedio apropiado

OBSERVACIÓN DATOS
22, 24, 25, 26, 27, 28,
EDAD
28, 29, 30, 31, 33, 34
INGRESO EN 8, 8.2, 9,10,11,12,
MILES DE $ 12.3,12.5,13,13.5, 86,97
TALLA 39, 40, 41, 41, 41, 41,
ZAPATOS 42, 42, 43, 43, 44, 45
Selección del promedio más adecuado

• La mediana siempre es la posición central.

• La moda se puede emplear cuando se requiere una idea rápida de la
tendencia central.
• La más usada es la media aritmética.
• La más representativa para datos de una distribución asimétrica es la
mediana.
• Media valor de equilibrio de Magnitud .
Mediana valor de equilibrio de Cantidad.
Moda valor con mayor frecuencia.
Cuartiles, deciles y percentiles
(Fractiles o cuantiles)

• Medidas de posición. F j = X ( jn F + 0.5)

• Dividen en : DatosNoAgrupados

• Cuatro (Qj)  jn − faA

• Diez (Dj) F j = Lij +  Ff i


 ij 
• Cien (Pj) DatosAgrupados
• Formulación
semejante a la
mediana.
Medidas de dispersión
• Evaluemos:

10 10 10 10 20 30 30 30 30 MEDIA 20 MED. 20 MOD 30

20 22 21 20 20 19 18 20 20 MEDIA 20 MED. 20 MOD 20

1 4 6 8 20 32 34 36 39 MEDIA 20 MED. 20 MOD -

10 12 14 16 20 24 26 28 30 MEDIA 20 MED. 20 MOD -

Medidas de dispersión
Dispersión

Rango Desviación Varianza DesviaciónE Coeficiente

Media standard de Variación

◼ Información sobre la
variabilidad de los datos.

Mismo centro,
Diferente variación
Rango o recorrido
R = V . max − V . min. • Diferencia entre el
valor mayor y el
DatosNoAgrupados valor menor de un
R= Ls ( A) − Li ( B) conjunto de datos.
• No está afectado
DatosAgrupados por los valores
comprendidos
entre los extremos.
Rango o recorrido
Ventajas
• fácil de calcular
• fácil de entender e interpretar

Desventajas
• sólo considera los valores extremos
• no toma en cuenta ni el número de datos ni el valor
de estos

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14

Rango = 14 - 1 = 13
Desviación media
N
• Media de los valores  Xi − 
absolutos de las
diferencias entre las DM = i = 1
variables y la media.
N
• Da una mejor descripción
DatosNoAgrupados
de la dispersión que el N
rango.  f i Xi − 
DM = i = 1
N
DatosAgrupados
Varianza
N
 ( X − )
2
• Media aritmética de las


desviaciones cuadráticas
respecto a la media.
2
= i =1
N
• Expresada en unidades al
cuadrado. Poblacion
n
 (xi − x )
• n-1, factor de corrección. 2

S = i =1
2
n−1
Muestra
Varianza
Ejemplo:
La siguiente información se refiere a una muestra del número de
artículos vendidos durante una semana:
8, 10, 5, 12, 10, 15
¿Cuál en el nivel de variabilidad de las ventas?

x Xi − x (Xi − x ) 2
60
8 8 - 10 = 2 4 x=
10 10 - 10 = 0 0 6
5 5 - 10 = 5 25
12 12 - 10 = 2 4
10 10 - 10 = 0 0 x = 10
15 15 - 10 = 5 25
 X = 60  (Xi − x ) = 0  (Xi − x )
2
= 58
Varianza

 (Xi − x ) = 58
2

 (X i − x )
2

S =
2

n −1

58
S = 6 − 1 = 11.6
2
Artículos vendidos2
Desviación estándar

N
• Es la raíz cuadrada
 ( X i − )
2
positiva de la varianza.
= i =1
• Unidades originales.
N
• Permite medir el % de
Poblacion elementos dentro de
n intervalos de una curva
 (xi − x )
2 simétrica.
i =1 • Puntaje estándar (Z).
S=
n−1
Muestra
Comparación de Desviaciones Estándar

Datos A
Media = 15.5
s = 3.338
11 12 13 14 15 16 17 18 19 20 21

Datos B
Media = 15.5

11 12 13 14 15 16 17 18 19 20 21 s = .9258

Datos C
Media = 15.5

11 12 13 14 15 16 17 18 19 20 21 s = 4.57
Puntaje o Resultado Estándar (Z)

x−
Z =


-3σ -2σ -1σ

μ +1σ +2σ +3σ

Z
-3 -2 -1
0 +1 +2 +3
Desviación estándar
Ejemplo:
Empleando los mismos datos del ejemplo anterior,
complementemos la información sobre la variabilidad
de los artículos vendidos.
Ya sabemos por el ejemplo anterior que S2 = 11.6
artículos vendidos al cuadrado.
Entonces
S=
2
s
S = 11,6

S = 3,4 articulos
Interpretación y usos de la Desviación Estándar
• Regla Empírica, si la distribución de datos tiene forma
acampanada, entonces el intervalo:
• μ  1σ contiene cerca 68% de los valores en la
población o muestra.

68%

μ
μ  1σ
Interpretación y usos de la Desviación Estándar
• μ  2σcontiene
cerca 95% de los valores en la
población o muestra.
• contiene a casi todos (cerca 99.7%) los
μ  3σ
valores de la población o muestra.

95% 99.7%

μ  2σ μ  3σ
Interpretación y usos de la Desviación Estándar
34.13% 34.13%

13.60%
13.60%

2.135% 2.135%

0.135% 0.135%

-3σ -2 σ -1σ μ +1σ +2σ +3σ

68.26%
95.46%
99.73%
Coeficiente de variación
• Indica la magnitud
relativa de la desviación
estándar con respecto a 
la media aritmética. CV = *100
• Comparación de 
distribuciones. Poblacion
S
CV = *100
x
Muestra
Coeficiente de variación

CV Grado de Variabilidad
0 < CV < 10 Datos muy homogéneos
Datos regularmente
10 ≤ CV < 15
homogéneos
Datos regularmente
15 ≤ CV < 20
variables
20 ≤ CV < 25 Datos variables
CV ≥ 25 Datos muy variables
Medidas de Simetría y Curtosis

• Evalúa como están concentradas las observaciones.

• Además de la tendencia para agruparse alrededor de
ciertos valores y grados de dispersión.
• Representatividad de los valores de tendencia y su
confiabilidad.
• Coeficientes:
• de Asimetría
• de Curtosis
Coeficiente de Simetria y Curtosis de Fisher
Simetría Curtosis
• Tercer momento • Cuarto Momento
• Simétrica = 0 • Mesocurtica = 0
• Asimetrica Positiva > 0 • Leptocurtica > 0
• Asimetrica Negativa < 0 • Platicurtica < 0

𝑛 3 𝑛
𝑥𝑖 − 𝑥 𝑖=1 𝑥 𝑖 −𝑥 4
𝑠𝑘 =
𝑖=1
𝑘= -3
𝑛 − 1 𝑠2 𝑛−1 𝑠4
Coeficiente de Simetría
• Establece si una distribución es simétrica o no.
• No tiene unidades
Coeficiente de Curtosis
• Grado de concentración con relación a la media
aritmética.
• Se emplea para distribuciones unimodales simétricas.
• Sin unidades.

Leptocurtica Mesocurtica Platicurtica