ECONOMETRÍA

La Econometría es la ciencia que estudia los comportamientos de las cambiantes y de los

clientes, partiendo de una secuencia de datos y verificando una secuencia de conjetura.

Sus primordiales fines se fundamentan en:

Examina los componentes que están afectando a alguna variable que forma parte del
proceso económico, como, ejemplificando, la conducta de la edad en los salarios de los
trabajadores. Teórica: se fundamenta en datos estadísticos y matemáticos

Aplicada: se fundamenta en cambiantes económica como la inversión, la demanda, etcétera,

VARIABLES ECONOMICE FINANCIERAS

Para una empresa, el análisis económico financiero es un instrumento clave de planificación,

evaluación y control.

Este diagnóstico ofrece una visión global de la estructura de la organización en cada

momento, en relación a su rentabilidad, solvencia y riesgos. Con los datos obtenidos se
pueden orientar mejor las decisiones a tomar.

Por ejemplo, la información que ofrece sobre la estructura financiera es esencial para
financiar una empresa con más seguridad, atendiendo a su posición de partida.

La planificación económica y financiera es básica durante todo el ciclo de vida del negocio.
Empezando por las previsiones económicas y financieras a corto, medio y largo plazo que
debe incluir un buen plan de empresa antes de iniciar la actividad.

Este análisis se apoya en la información contable y se sirve de diferentes técnicas para medir
y comparar parámetros y variables en el tiempo.

MODELO ESTADÍSTICO

Modelo probabilístico o estadístico es la forma que pueden tomar un conjunto de datos

obtenidos de muestreos de datos con comportamiento que se supone aleatorio.

Un modelo estadístico es un tipo de modelo matemático que usa la probabilidad, y que

incluye un conjunto de asunciones sobre la generación de algunos datos muestrales, de tal
manera que asemejen a los datos de una población mayor.

Las asunciones o hipótesis de un modelo estadístico describen un conjunto de distribuciones

de probabilidad, que son capaces de aproximar de manera adecuada un conjunto de datos.
Las distribuciones de probabilidad inherentes de los modelos estadísticos son lo que
distinguen a los modelos de otros modelos matemáticos deterministas.

Un modelo estadístico queda especificado por un conjunto de ecuaciones que relacionan

diversas variables aleatorias, y en las que pueden aparecer otras variables no aleatorias.
Como tal "un modelo es una representación formal de una teoría"
Todos los test de hipótesis estadísticas y todos los estimadores estadísticos proceden de
modelos estadísticos. De hecho, los modelos estadísticos son una parte fundamentalmente
de la inferencia estadística.

MODELO MATEMÁTICO

En ciencias aplicadas y en tecnología, un modelo matemático es uno de los tipos de modelos

científicos que emplea algún tipo de formulismo matemático para expresar relaciones,
proposiciones sustantivas de hechos, variables, parámetros, entidades y relaciones entre
variables de las operaciones, para estudiar comportamientos de sistemas complejos ante
situaciones difíciles de observar en la realidad. El término modelización matemática es
utilizado también en diseño gráfico cuando se habla de modelos geométricos de los objetos
en dos (2D) o tres dimensiones (3D).

El significado de modelo matemático en filosofía de la matemática y fundamentos de la

matemática es, sin embargo, algo diferente. En concreto en esas áreas se trabaja con
"modelos formales". Un modelo formal para una cierta teoría matemática es un conjunto
sobre el que se han definido una serie de relaciones unarias, binarias y trinarias, que
satisface las proposiciones derivadas del conjunto de axiomas de la teoría. La rama de la
matemática que se encarga de estudiar sistemáticamente las propiedades de los modelos es
la teoría de modelos.

COEFICIENTE DE CORRELACIÓN

El coeficiente de correlación es la medida específica que cuantifica la intensidad de la

relación lineal entre dos variables en un análisis de correlación. En los informes de
correlación, este coeficiente se simboliza con la r.

Para dos variables, la fórmula compara la distancia de cada dato puntual respecto a la media
de la variable y utiliza esta comparación para decirnos hasta qué punto la relación entre las
variables se ajusta a una línea imaginaria trazada entre los datos. A esto nos referimos
cuando decimos que la correlación examina las relaciones lineales.

La correlación sólo se refiere a las dos variables dadas y no aporta información sobre las
relaciones más allá de los datos bivariados. Esta prueba no puede detectar valores atípicos
en los datos (y por tanto estos sesgan los resultados) y tampoco puede detectar
correctamente las relaciones curvilíneas.

CORRELACIÓN ESPURIA

Cuando se observa un coeficiente de correlación lineal alto entre dos variables, lo único que
se puede concluir es que están relacionados entre sí, pero no siempre se puede establecer
un nexo de causalidad de una variable respecto de otra. Hay muchas variables que presentan
una alta correlación entre sí, pero ello se debe a la presencia de una tercera variable que
tiene una fuerte relación entre ellas. Este tipo de correlaciones se denominan correlaciones
espurias. Hay muchos casos que ilustran este tipo de correlaciones, por ejemplo, la alta
correlación que se da entre el número de matrimonios celebrados y la temperatura media
mensual. En ningún caso se debe caer en el error de pensar que una variable es “causa” de la
otra, el sentido común nos lleva a pensar que la relación es meramente fortuita o producida
por alguna otra variable que no hemos contemplado y que pudiera estar relacionada con las
dos variables que presentan una alta correlación entre sí (la mayor parte de las parejas
suelen aprovechar los periodos veraniegos para contraer matrimonio, y son precisamente
esos períodos en los que la temperatura es mayor).