Estadisticas - Repaso - Umh Feb 2020

Alvin Aguilar Probabilidad y Estadística
Probabilidad y
Estadística
Repaso
1
Probabilidad y Estadística
1. Estadística Descriptiva
Introducción a la Estadística. Poblaciones y Tipos de datos. Tablas y métodos gráficos.

Distribución de frecuencias para datos cuantitativos. Clases. Métodos descriptivos
gráficos. Histogramas. Medidas de Posición: Media. Media ponderada. Mediana. Moda.
Cuartiles, deciles y percentiles. Relación entre ellos. Medidas de dispersión: Rango.
Desviación media. Varianza y desviación estándar. MAD. Distancia Intercuartil.
Apéndice: Combinatoria
Análisis Combinatorio: Permutaciones. Permutaciones circulares y con repetición.
Variaciones. Combinaciones. Ejemplos.
2. La Probabilidad
Introducción. Interpretación clásica. Muestras aleatorias. Límite de frecuencias

relativas. Enfoque subjetivo. Expresiones de la probabilidad. Eventos excluyentes.
Reglas de adición. Independencia. Probabilidad condicional. Reglas de multiplicación.
Diagramas de árbol. Teoremas de Multiplicación, de Probabilidad Total y de Bayes.
2
3. Variables Aleatorias y Distribución de Probabilidades.

Ideas básicas. Variable aleatoria: definición formal. Variables aleatorias discretas.
Función de probabilidad. Variables aleatorias continuas. Función de distribución.
Propiedades.
4. Valor Esperado, Varianza y Desviación Estándar.
Valor esperado para variables discretas. Interpretación de E(x). Varianza y Desviación

estándar para variables discretas. Fórmulas abreviadas. Valor esperado, varianza y
desviación para variables continuas. Percentiles.
5. Casos especiales de Distribución de Probabilidades.
Ensayos de Bernoulli y la distribución Binomial. Propiedades. Distribución de

probabilidad Binomial: media y varianza. Distribución de probabilidad de Poisson:
media y varianza. Distribución Uniforme: función de densidad, media y varianza.
Distribución Normal: densidad, media y varianza. Distribución estandarizada.
Distribución Lognormal. Aproximación Normal de las distribuciones Binomial y Poisson.
Procesos de Poisson.
3
6. Distribución de Probabilidad Conjunta e Independencia Estadística.
Distribución de probabilidad conjunta. Caso discreto y continuo. Probabilidades

marginales. Función de distribución marginal. Propiedades de la función de distribución
conjunta. Distribución condicionada. Caso discreto y continuo. Función de densidad
conjunta para variables aleatorias continuas.
7. Media y Varianza: Aplicaciones a Finanzas.

Matriz de Varianzas y Covarianzas.
Covarianza de variables aleatorias. Correlación de variables aleatorias. Interpretación

gráfica. Propiedades de los valores esperados y de las varianzas: efecto de sumar una
constante y de multiplicar por una constante. Media y varianza de la suma de variables
aleatorias. Midiendo riesgo y retorno de activos con variables aleatorias. Portfolios de
activos como combinación lineal de variables aleatorias. Covarianza y correlación de
activos. Matriz de varianzas y covarianzas. Portfolio de mínima varianza.
Diversificación.
8. Paseos al Azar (Random Walks)
Definición y ejemplos. Tiempo de parada. Cruce de barreras. Árboles binomiales.

Ejemplos financieros. Nociones sobre el Modelo Binomial.
4
9. Esperanza Condicional
Definición para variables discretas y continuas. Propiedades. Distribución condicional.

Cálculo de distribuciones a posteriori.
10. Nociones de Regresión Lineal.
Modelo de regresión lineal simple. Estimación por mínimos cuadrados. Hipótesis de

linealidad. Correlación. Efectos de datos atípicos.
11. Breves nociones de Procesos Estocásticos
Procesos Estocásticos a tiempo discreto. Proceso Estrictamente Estacionario. Proceso

Débilmente Estacionario. Proceso Gaussiano. Promedios Móviles. Modelo
Autoregresivo. Modelos ARCH. Martingala. Proceso Markoviano.
Bibliografía:
• “Estadística Aplicada a la Administración y a la Economía”. David Hildebrand y R.

Lyman Ott. Addison-Wesley-Longman, (1998).
• “Estadística para Administradores”. William Mendenhall. Grupo Editorial
Hiberoamericana, (1990) 5
• “Graphical Methods for Data Analyses”. J.M. Chambers, W. Cleveland, B. Kleiner and
F. Tukey. Belmont: Wadsworth, (1983).
• “Statistics for Managment and Economics”. Mendenhall, Reinmuth, Beaver and
Duhan. Duxury Press, (1986).
• “Option Markets”. John Cox and Mark Rubinstein. Prentice Hall, (1985).
• “Mathematical Statistics and Data Analysis”. Wadsworth and Brooks. Cole Advanced
Books, (1988).
6
1. Estadística Descriptiva
3. Tabla de Frecuencias.
Uno de los primeros pasos al compendiar los datos relativos a una
variable es encontrar las frecuencias con que se presentan sus valores
y desplegarlos en una tabla de frecuencias de modo que se puedan
reconocer patrones de comportamiento.
➢ Ejemplo 1. Una pequeña empresa tiene un total de veinte

vendedores que trabajan en cuatro oficinas. Las oficinas están
numeradas del 1 al 4. Los registros de la empresa indican que las
respectivas oficinas de los vendedores (enumerados en orden
alfabético) son:
1 4 1 3 3 2 1 1 1 3 4 4 2 2 1 1 2 4 4 1
➢ Sintetice los datos y muestre, en una tabla, las frecuencias

asociadas con los valores 1,2,3 y 4.
7
➢ Solución: La manera más sencilla de obtener las frecuencias es

enumerar los vendedores y contar las frecuencias. Al hacer lo
anterior resulta la siguiente tabla de frecuencias:
Valor (número de oficina): 1 2 3 4

Frecuencia (número de vendedores): 8 4 3 5
4. Frecuencia Relativa.
➢ Cuando los datos son muchos es muy útil convertir las frecuencias
en porcentajes o proporciones.
➢ En la terminología estadística, la frecuencia relativa de un valor es

la proporción de las observaciones que tiene ese valor.
➢ La frecuencia relativa se calcula dividiendo la frecuencia (número

de incidencias) de ese valor por el número total de observaciones.
8
➢ Si n representa el número total de observaciones y fi es el número

de mediciones que caen en una clase particular, entonces la
frecuencia relativa correspondiente a la clase i-ésima es igual a fi
dividido por n:
fi
F re c u e n c ia re la tiv a =
n
➢ Ejemplo 2. Convierta las frecuencias del ejemplo anterior en

frecuencias relativas.
➢ Solución. En el ejemplo anterior el número total de observaciones

fue 20. Por lo tanto,
Valor: 1 2 3 4
Frecuencia
8/20 = 0.40 0.20 0.15 0.25
Relativa
➢ Para convertir frecuencias relativas en porcentajes, simplemente

se multiplica por 100.
9
1.5 Datos agrupados

6. Clases.
1. Elija un número suficiente de clases de modo que los datos no
estén amontonados en dos o tres grupos, pero no elija tantas
como para que la tabla de frecuencias se vuelva inmanejable.
▪ En la mayoría de los casos, una cantidad adecuada parece
ser entre 5 y 20 clases:
▪ Un número reducido de clases (alrededor de 5) para
conjunto de datos con pocas observaciones y más
(alrededor de 20) para conjuntos de datos de mayor tamaño.
▪ Esta práctica evita la posibilidad de obtener muchas clases
con una frecuencia de 0 o 1.
2. De ser posible, las clases deberían tener la misma amplitud de

modo que sean comparables entre sí.
▪ Si es necesario, se pueden utilizar clases abiertas como
"más de $50" en los extremos superiores (o inferiores) de
los valores.
10
▪ En la mayoría de los casos, es preferible establecer clases

como "de $0.01 hasta $10.01", “de $10.01 hasta $20.00, “de
$20.01 hasta $30”, “de $30.01 hasta $40.00”, “$40.01 o
más”.
3. Elija convenientemente los puntos medios de las clases.

▪ Un diagrama de frecuencias con puntos medios $5, $15,
$25 es más fácil de entender que uno con puntos medios
$7.20, $14.40, $21.60.
4. Esté seguro que los límites de las clases no son ambiguos.

Es decir que no haya dudas sobre en cual clase incluir un dato.
11
➢ Ejemplo 3. Suponga que en cierto mes un conjunto de vendedores

recibe los siguientes pagos por comisiones de ventas (excluyendo
salarios):
$850 $1265 $895 $575 $2410 $470 $660 $1820 $1510 $1100
$620 $425 $751 $965 $840 $1505 $1375 $695 $1125 $1475
➢ Utilice estos datos para construir una tabla de frecuencias con

intervalos de clase adecuados.
➢ Solución:
Con sólo 20 observaciones esperamos formar pocas clases, digamos
5. El ingreso varía entre 425 y 2410 dólares; una elección adecuada de
clases consiste en dividir los ingresos en grupos de unos 500 dólares
de amplitud. El resultado de dicha división se muestra en la siguiente
tabla de frecuencias.
12
250 750 1250 1750 2250

Clase ($): a a a a a
749 1249 1749 2249 2749
Frecuencia: 6 7 5 1 1
Frecuencia
0.30 0.35 0.25 0.05 0.05
relativa:
1.7 Métodos Descriptivos Gráficos.
➢ Histogramas:
➢ Supongamos que contamos con los datos de una muestra de 25
acciones comunes de banco. La rentabilidad por dividendo para
una acción es el porcentaje del precio de la misma representado
por su dividendo.
➢ Las veinticinco rentabilidades se muestran en la siguiente tabla:
13
Rentabilidad por dividendos (%) para 25 acciones:

3.1 4.2 2.3 3.3 2.8
5.3 3.5 3.1 2.6 3.3
4.7 3.7 3.0 2.6 4.0
3.8 4.4 3.2 3.2 3.8
5.1 3.7 2.3 4.3 3.9
➢ Para formar las clases podemos tomar los valores siguientes: 2.25
a 2.75, 2.75 a 3.25, 3.25 a 3.75, etc.
➢ Notar que los límites elegidos no presentan ambigüedad en cuanto
a qué clase pertenece cada dato.
➢ Una cuenta de los datos se puede resumir en la siguiente tabla:
Tabla de frecuencias relativas para un histograma
Clase i Límites de Clase Frecuencia fi Frecuencia relativa
1 2.25-2.75 4 4/25 = 0.16
2 2.75-3.25 6 6/25 = 0.24
3 3.25-3.75 5 5/25 = 0.20
4 3.75-4.25 5 5/25 = 0.20
5 4.25-4.75 3 3/25 = 0.12
6 4.75-5.25 1 1/25 = 0.04
7 5.25-5.75 1 1/25 = 0.04
14
Figura 1:
➢ Podemos utilizar el histograma de frecuencias relativas de la figura

1 para contestar algunas preguntas interesantes.
➢ ¿Qué fracción de las acciones producían dividendos superiores a
4,25%?
➢ Al examinar el histograma de frecuencias relativas, vemos que la
fracción toma en cuenta todas las clases a la derecha de 4,25.
15
➢ Mediante la tabla se ve que 5 acciones producían dividendos

superiores a 4,25.
➢ Por lo tanto, la fracción es 5/25 o 20%.
➢ Notamos que este valor es también igual al porcentaje del área total
del histograma de la figura 1 que se encuentra a la derecha de
4,25.
➢ Si las clases no tuvieran el mismo tamaño se puede hacer el

histograma de la siguiente manera:
o Una vez efectuada la tabla anterior se seleccionan nuevamente

un par de ejes en los que se gráfica las clases en el eje
horizontal y en el eje vertical la frecuencia relativa dividida por la
longitud del intervalo.
o El eje vertical será el porcentaje de casos por la unidad
estipulada en el horizontal. Es lo que se denomina escala de
densidad.
o El área total del histograma es 100%.
16
➢ Más formalmente: si Aj con j = 1,.....,n es la partición hecha,
R = ∪ Aj
n
, Aj  Ak =  , j  k .
j=1
➢ Donde R es el rango en eje horizontal, Aj es cada una de las

particiones o clases.
➢ El histograma se define como la siguiente función:
#{xi : xi  Aj}/n fj
f (x) = =
| Aj | n Aj si x  Aj .
➢ Otra escala de densidad muy utilizada en el eje vertical está dada

por la frecuencia relativa de casos por unidad en el eje horizontal.
➢ En este caso el área total del histograma es 1.
17
➢ Ejemplo 4. Los siguientes datos son porcentajes de octano para

diferentes tipos de mezclas de nafta.
85.3 87.5 87.5 88.5 89.9 90.4 9I.8 92.7
86.7 87.7 88.2 88.6 90.3 91.0 91.8 93.2
88.3 88.3 89.0 89.2 90.4 91.0 92.3 93.3
89.9 90.1 90.1 90.8 90.9 91.1 92.7 93.4
91.2 9I.5 92.6 92.7 93.3 94.2 94.7 94.2
95.6 96.1
➢ Si tomamos como intervalos de clase a [85,87), [87,89), etc.,

obtenemos para el cuadro:
Frecuencia
Clase Frecuencia fi
Relativa fi /n
[85,87) 2 0.048
[87,89) 8 0.19
[89,91) 11 0.262
[91,93) 12 0.286
[93,95) 7 0.167
[95,97) 2 0.048
Total n = 42 1
18
La frecuencia relativa de una clase es el porcentaje de observaciones

que ocurren en esa clase.
Figura 2: Histograma para los datos de porcentajes de octanos:
19
➢ Ejemplo 5: Observemos el siguiente histograma que corresponde

al ingreso familiar de 1974 en EEUU. Los datos se extrajeron de
40.000 encuestas y, por supuesto, nadie quiere ver la tabla de
datos!
0 5 10 15 20 25 30 35 40 45 50
Ingreso (en miles de dólares)
20
Observaciones:
1. El histograma representa el número por áreas no por alturas.

o Es decir, el área de cada bloque es proporcional al número de
familias con ingresos en el correspondiente intervalo de clases.
o Por esto el histograma es diferente de los gráficos de barras
que suelen hacer las computadoras!
2. Conclusiones a partir del gráfico:

o ¿Qué porcentaje de familias gana entre 10.000 y 15.000
dólares? Este bloque es aproximadamente un cuarto del área
total, así que es el mismo porcentaje: ~25%.
o ¿Qué porcentaje es mayor, las que ganan entre 10.000 y

15.000 o las que ganan entre 15.000 y 25.000 dólares? Las
áreas de los bloques son parecidas así que el porcentaje
también.
21
o ¿Qué pasa con los que ganan más de 50.000, si el histograma

termina en 50.000? Simplemente se los ignora y sólo se pierde
el 1%.
3.Como ya hemos dicho, no se dibujan los bloques con altura igual a

los porcentajes, sino los porcentajes divididos por la longitud del
intervalo (y así es el área del rectángulo la que representa el
porcentaje).
4.Si todos los intervalos tiene la misma longitud el aspecto visual del
histograma y del gráfico de barras es el mismo.
5. Si graficáramos en el eje vertical los porcentajes veríamos algo así:
22
Porcentaje
30
25
20
15
10
0 5 10 15 20 25 30 35 40 45 50
Ingreso (en miles de dólares)
➢ Lo cual da una idea deformada de la distribución de ingresos.

Pareciera que hay más familias con ingresos mayores a 25.000 de
las que ganan menos de 7.000, lo cual no es cierto.
23
Conclusión: siempre debemos recodar que el área bajo la curva

del histograma sobre un intervalo es el porcentaje de casos que
caen en ese intervalo. El arrea total es el 100%.
➢ Ejemplo 6. Si se le presentara el siguiente gráfico para los pesos

de una población, qué diría ud. que está mal?
% por libra.
0
100 120 140 160 180 200 peso (libras)
24
➢ Solución. El área total no es 100% = 1, sino 2.
25
8. Medidas de Posición.
➢ La Media Aritmética.
➢ La media aritmética, o promedio aritmético, se define como la

división de la suma de todos los valores por el número total de
valores.
➢ Las fórmulas para la media de una población y de una muestra son:

N
 X =
1
N
 xi
i =1
X =
1
n
 xi
i=1
26
Ejemplo 7:
➢ En determinado mes 8 vendedores de artículos electrónicos
vendieron los siguientes números de aparatos: 8, 11, 5, 14, 8, 11,
16, 11.
➢ Considerando a ese mes como la población estadística que
interesa, el número promedio de unidades vendidas es:
N
 X
=
1
N
 xi =
84
8
= 1 0 . 5 u n i d a d es
i =1
➢ La media ponderada.
➢ La media ponderada o promedio ponderado es una media
aritmética, en la cual se considera a cada uno de los valores de
acuerdo a su importancia en el grupo.
27
➢ Las fórmulas para la media ponderada muestral y poblacional son

idénticas:
 p=  px i i
 p i
Ejemplo 8:
➢ En una compañía que maneja 4 productos, los márgenes de utilidad

correspondientes a cada uno de ellos fueron: producto A, 4.2%;
producto B, 5.5%; producto C, 7.4% y producto D, 10.1%.
➢ El margen de utilidad promedio no ponderado es:
N
X =
1
N
 xi =
27.2
4
= 6.8%
i =1
28
➢ Sin embargo, este promedio ponderado es incorrecto porque se

vendieron cantidades distintas de los 4 productos.
➢ Suponiendo los totales de ventas que aparecen en la tabla
siguiente, se encuentra que el promedio ponderado describe en
forma correcta el promedio global.
Producto Margen de Utilidad (X) Ventas (p) pX
A 4.2% $30.000 $126.000

B 5.5% $20.000 $110.000
C 7.4% $5000 $37.000
D 10.1% $3000 $30.3000
 p = $58.000  pX = $303.300
 p=
 px i i
=
$303 .300
= 5 .2%
 p i $58 .000
29
➢ La mediana.
➢ La mediana de grupo de datos es el valor del dato que ocupa el
lugar del centro cuando se los agrupa a todos en orden ascendente
o descendente.
➢ Para un grupo con un número par de elementos, se supone que la

mediana se encuentra a la mitad entre los dos valores adyacentes
al centro.
➢ Cuando el conjunto que datos contiene un número grande de

valores, resulta útil la siguiente fórmula para determinar la posición
de la mediana en el conjunto ordenado:
M ed = X [( n / 2 ) + (1 / 2 )]
30
➢ Ejemplo 9: Los 8 vendedores del ejemplo anterior vendieron el

siguiente número de aparatos, en orden ascendente: 5, 8, 8, 11, 11,
11, 14, 16. El valor de la mediana es:
➢
Med = X [( n / 2 ) + (1 / 2 )] = X [(8 / 2) + 1 / 2] = X 4.5 =11.0
➢ La moda.
➢ La moda es el valor que se presenta con mayor frecuencia en un
conjunto de datos.
➢ A una distribución que tiene una sola moda se le denomina
unimodal.
➢ Para un conjunto de datos poco numerosos, en los que no se repite
ningún valor, no existe moda.
31
➢ Relación entre la media, la mediana y la moda.
➢ Ejemplo 10: Para los datos de ventas considerados en los

ejemplos 7, 8 y 9, puede observarse que la media es 10.5, la
mediana es 11.0, y la moda es 11.0 unidades, lo cual indica que la
distribución tiene una ligera asimentría negativa(está sesgada hacia
la izquierda).
32
➢ Cuartiles, Deciles y Percentiles.
Q 1 ( p r i m e r c u a r t i l) = X [(n /4) + (1/2)]
D 3 ( t e r c e r d e c i l) = X [ ( 3 n / 10 ) + ( 1 / 2 ) ]
P 70 ( p e r c e n t i l 7 0 ) = X [ ( 70 n / 100 ) + ( 1 / 2 ) ]
33
Figura: Ubicación de los Cuartiles.
34
1.8 Medidas de Dispersión.
➢ Ejemplo 11:
➢ Suponga que dos máquinas empacadoras distintas dan como
resultado paquetes con un peso promedio que 10 gramos de café,
pero que en un caso todos los paquetes se encuentran dentro de
un rango de 0,10 gramos de este peso, en tanto que en el otro caso
los pesos pueden variar hasta un gramo en cualquier dirección.
➢ Medir la dispersión de tales cantidades que se empacan sería tan
importante en este caso como medir el promedio.
35
➢ El rango.
➢ El rango, o R, es la diferencia entre los valores mayor y menor del

conjunto de datos.
➢ Así, cuando My representa el mayor valor del grupo y Mn representa

el menor, el rango de los datos es:
R = M y - Mn
➢ La desviación media
DM poblacional =  X−
N
DM muestral =
 X−X
n
36
➢ La varianza y la desviación estándar.
VAR( X ) =  X2 =
 ( X − ) 2
➢ La varianza muestral se representa mediante s; su fórmula es:
s =
2  (X − X)
2
n−1
➢ Por lo general, resulta difícil interpretar el significado del valor de
una varianza porque las unidades en las que se expresa son
valores al cuadrado.
➢
37
➢ En parte por esta razón, se utiliza con mayor frecuencias la raíz

cuadrada de la varianza, representada mediante la letra griega  (o
s para una muestra) y se le denomina desviación estándar. Las
fórmulas son:
X =
 (X − ) 2
s =
 (X − X)
2
n−1
38
➢ Uso de la Desviación Estándar.
➢ Para una distribución que tiene distribución normal, se sabe que

aproximadamente el 68% de las mediciones se encuentran a no
más de una desviación estándar de la media y que
aproximadamente el 95% de las mediciones se encuentran a no
más de dos desviaciones estándar de la media
39
➢ Nota:
2 n
 (xi − X )
n
Es fácil ver que:

=  x i
2
− nX 2
, por lo tanto
i=1 i =1

n
xi 2
s = 2
− i =1
X 2
n −1 n−1
Utilizando esto podemos escribir una relación entre la desviación
estándar y ˆ, definida como:
 (x )
n
i − X
 xi2 
ˆ 
n
i=1
=   − X 2

n i =1  n 
40
n −1
ˆ = s
n
➢ Coeficiente de Variación CV.
➢ El coeficiente de variación (CV) da una medida del desvío estándar

como una proporción de la media y se define como CV = ˆ/ X .
➢ Muchas veces el coeficiente de variación es más significativo que el

desvío, ya que un estándar de 10 significa una cosa si la media es
100 y otra, completamente distinta si la media es 10.000.
41
➢ La Desviación Absoluta respecto de la Mediana (MAD).
➢ La MAD o desviación absoluta respecto de la mediana es:
MAD = med ( Xi − M ), con M = med ( Xi)
➢ Y donde la med(.) indica la mediana de los datos que se indican.
➢ Si calculáramos la MAD para una distribución normal (Gaussiana)

nos daría un valor de 0.675, por lo tanto la medida adecuada para
MAD
la comparación con el desvío estándar es: 0.675 .
42
➢ Distancia Intercuartil.
➢ La distancia Intercuartil también es una medida de dispersión y se
define como:
dI = QS − Q I
es decir, la diferencia entre el cuartil superior y el inferior, y de
forma que
# Xi  Q I  n / 4 y # Xi  Q S  n / 4
.
➢ También se puede expresar como:

Q I = Xn / 4+1/ 2
Q S = X3n / 4+1/2
d I = Xn / 4+1/ 2 − X3n / 4+1/ 2
43
➢ Si calculáramos la distancia Intercuartil para una distribución normal

nos daría dI =1.35.
➢ Es decir que un estimador de dispersión adecuado para ser

comparado con el desvío estándar es: dI
1.35
44

Estadisticas - Repaso - Umh Feb 2020

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadisticas - Repaso - Umh Feb 2020

Cargado por

Copyright:

Formatos disponibles

Alvin Aguilar Probabilidad y Estadística

Introducción a la Estadística. Poblaciones y Tipos de datos. Tablas y métodos gráficos.

Introducción. Interpretación clásica. Muestras aleatorias. Límite de frecuencias

3. Variables Aleatorias y Distribución de Probabilidades.

4. Valor Esperado, Varianza y Desviación Estándar.

Valor esperado para variables discretas. Interpretación de E(x). Varianza y Desviación

5. Casos especiales de Distribución de Probabilidades.

Ensayos de Bernoulli y la distribución Binomial. Propiedades. Distribución de

6. Distribución de Probabilidad Conjunta e Independencia Estadística.

Distribución de probabilidad conjunta. Caso discreto y continuo. Probabilidades

7. Media y Varianza: Aplicaciones a Finanzas.

Covarianza de variables aleatorias. Correlación de variables aleatorias. Interpretación

8. Paseos al Azar (Random Walks)

Definición y ejemplos. Tiempo de parada. Cruce de barreras. Árboles binomiales.

Definición para variables discretas y continuas. Propiedades. Distribución condicional.

10. Nociones de Regresión Lineal.

Modelo de regresión lineal simple. Estimación por mínimos cuadrados. Hipótesis de

11. Breves nociones de Procesos Estocásticos

Procesos Estocásticos a tiempo discreto. Proceso Estrictamente Estacionario. Proceso

• “Estadística Aplicada a la Administración y a la Economía”. David Hildebrand y R.

➢ Ejemplo 1. Una pequeña empresa tiene un total de veinte

➢ Sintetice los datos y muestre, en una tabla, las frecuencias

➢ Solución: La manera más sencilla de obtener las frecuencias es

Valor (número de oficina): 1 2 3 4

➢ En la terminología estadística, la frecuencia relativa de un valor es

➢ La frecuencia relativa se calcula dividiendo la frecuencia (número

➢ Si n representa el número total de observaciones y fi es el número

➢ Ejemplo 2. Convierta las frecuencias del ejemplo anterior en

➢ Solución. En el ejemplo anterior el número total de observaciones

➢ Para convertir frecuencias relativas en porcentajes, simplemente

1.5 Datos agrupados

2. De ser posible, las clases deberían tener la misma amplitud de

▪ En la mayoría de los casos, es preferible establecer clases

3. Elija convenientemente los puntos medios de las clases.

4. Esté seguro que los límites de las clases no son ambiguos.

➢ Ejemplo 3. Suponga que en cierto mes un conjunto de vendedores

➢ Utilice estos datos para construir una tabla de frecuencias con

250 750 1250 1750 2250

1.7 Métodos Descriptivos Gráficos.

Rentabilidad por dividendos (%) para 25 acciones:

➢ Podemos utilizar el histograma de frecuencias relativas de la figura

➢ Mediante la tabla se ve que 5 acciones producían dividendos

➢ Si las clases no tuvieran el mismo tamaño se puede hacer el

o Una vez efectuada la tabla anterior se seleccionan nuevamente

➢ Más formalmente: si Aj con j = 1,.....,n es la partición hecha,

➢ Donde R es el rango en eje horizontal, Aj es cada una de las

➢ Otra escala de densidad muy utilizada en el eje vertical está dada

➢ Ejemplo 4. Los siguientes datos son porcentajes de octano para

➢ Si tomamos como intervalos de clase a [85,87), [87,89), etc.,

La frecuencia relativa de una clase es el porcentaje de observaciones

Figura 2: Histograma para los datos de porcentajes de octanos:

➢ Ejemplo 5: Observemos el siguiente histograma que corresponde

Ingreso (en miles de dólares)

1. El histograma representa el número por áreas no por alturas.

2. Conclusiones a partir del gráfico:

o ¿Qué porcentaje es mayor, las que ganan entre 10.000 y

o ¿Qué pasa con los que ganan más de 50.000, si el histograma

3.Como ya hemos dicho, no se dibujan los bloques con altura igual a

5. Si graficáramos en el eje vertical los porcentajes veríamos algo así:

Ingreso (en miles de dólares)

➢ Lo cual da una idea deformada de la distribución de ingresos.

Conclusión: siempre debemos recodar que el área bajo la curva