Maestría Gestión de la Planificación para el Desarrollo

Curso Estadística Descriptiva

Catedrático: Mtro. Ing. Antonio Daniel Asencio Marroquín

Notas clase Magistral No. 6

Estadística descriptiva

Datos y gráficos interanuales

Se utilizan principalmente para determinar crecimientos entre datos de una serie. En series
mensuales suelen ser muy oscilantes y poco útiles como señal. Sin embargo, en ellos se
encuentra la estructura temporal o crecimiento relevante del período en cuestión, es decir,
el ritmo de crecimiento que está en sintonía con la fase del ciclo. Cualquier otra tasa se
obtiene filtrando los crecimientos básicos.

Debido a la poca utilidad de los crecimientos básicos, es que se debe buscar otra medida
de crecimiento.

Una de las tasas más utilizada es la interanual que también se puede definir como el
promedio de los doce crecimientos intermensuales. En series con estacionalidad tiene la
ventaja de que la misma tiende a desaparecer.

Este análisis permite revisar, en periodos anuales, mes a mes, el comportamiento en,
crecimiento o decrecimiento, de la serie de datos a analizar.

El procedimiento para poder calcular las curvas interanuales es calculando un valor para
cada mes, el cual representa el movimiento acumulado de 12 meses, es decir 1 año. Así el
valor en diciembre de 2000 representa el movimiento de carga de enero 2000 a diciembre
2000; el valor para el mes de enero 2001 es representado por el movimiento de carga de
febrero 2000 hasta enero 2001; el valor de febrero 2001 es representado por el movimiento
de marzo 2000 a febrero 2001 y así sucesivamente.

El objetivo de este procedimiento es visualizar de una mejor forma la tendencia anual de la

serie en estudio mediante las curvas interanuales.

ESTADÍSTICA DESCRIPTIVA-CLASE MAGISTRAL # 6 1

ESTADÍSTICA DESCRIPTIVA-CLASE MAGISTRAL # 6 2
 Tipos de modelos

Modelos lineales:

• Simples: Y = a + bx
• Múltiples: Y = ab1x1 + ab2x2...abnxn

Modelos no lineales:

• Inverso: Y = a +b/x
• Exponencial: Y = a + bx
• Potencial: Y = a + xb

Análisis de Correlación lineal simple

Frecuentemente estamos interesados en estudiar la manera en cómo dos variables están

asociadas y cuantificar ese grado de asociación. Para responder a ello se utilizan las
siguientes medidas: Covarianza y coeficiente de correlación de Pearson.

1. Covarianza

La covarianza ofrece una idea del signo y grado de intensidad de la relación entre
dos variables, a través de su variación conjunta. Sin embargo, puede asumir
cualquier valor real, lo que dificulta su interpretación. Por lo que para una mejor
interpretación se utiliza el coeficiente de correlación de Pearson.

2. Coeficiente de correlación de Pearson

Sean X y Y dos variables aleatorias con varianzas σ2x σxy y Cov [X, Y], se define el
coeficiente de correlación de Pearson como

ESTADÍSTICA DESCRIPTIVA-CLASE MAGISTRAL # 6 3

Cuyo estimador está definido por:

Equivalente a:

El coeficiente de correlación de Pearson presenta la ventaja de ser un valor entre -

1 y 1 facilitando su interpretación, esta asociación será tan grande cuando r este
más alejado del valor 0 y nula cuando r = 0.

ESTADÍSTICA DESCRIPTIVA-CLASE MAGISTRAL # 6 4

 Análisis de regresión lineal simple

Existen situaciones en la que un investigador desea verificar la relación funcional que

eventualmente puede existir entre dos variables cuantitativas (X, Y) en donde:

X = variable independiente o regresora

Y = variable dependiente o aleatoria

Donde la recta de regresión “y” sobre “x” está dada por:

Recta de mínimos cuadrados

ESTADÍSTICA DESCRIPTIVA-CLASE MAGISTRAL # 6 5

Siendo α el coeficiente de posición o intercepto y β el coeficiente de regresión lineal.

• α indica la posición en la cual la recta corta el eje Y, es decir, indica el valor que
asume la variable Y cuando la variable X = 0
• β determina la pendiente de la recta, e indica la variación en Y causada por una
variación de una unidad en X.
• La recta de regresión pasa en el punto Xmedia Ymedia cuando X=Xmed y Y=Ymed

ESTADÍSTICA DESCRIPTIVA-CLASE MAGISTRAL # 6 6