Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CRIMINOLOGICAS
ESTADÍSTICA II
CUARTO CUATRIMESTRE
ESTADÍSTICA II
La estadística ha estado a través del tiempo junto a la capacidad del ser humano de
crear nuevas formas de analizar o calcular diversos objetos, desde que existe la
administración esta ha estado en conjunto con la estadística utilizándola como
herramienta para realizar importantes avances de datos recopilados de experimentos
de uno u otro tipo, esta ha estado desde tiempos milenarios, y se asocia que los
primeros que la utilizaron fueron los egipcios quienes contabilizaban sus productos y
comercio como también para encontrar una relación con la muerte para observar cómo
se comportaba esta.
Tema IV ÍNDICE
4.1 Simples, elaborados y compuestos.
4.2 Cambios de base.
4.3 Cambios de series.
Solo puede tomar valores representados por números enteros y un número finito de
ellos. Por ejemplo:
Por tanto, es una medida estadística que cuantifica la dependencia lineal entre dos
variables, es decir, si se representan en un diagrama de dispersión los valores que
toman dos variables, el coeficiente de correlación lineal señalará lo bien o lo mal que el
conjunto de puntos representados se aproxima a una recta.
De una forma menos coloquial, la podemos definir como el número que mide el grado
de intensidad y el sentido de la relación entre dos variables.
Siendo:
Cov (x;y): la covarianza entre el valor «x» e «y».
σ(x): desviación típica de «x».
σ(y): desviación típica de «y».
Valores que puede tomar la correlación
ρ = -1 Correlación perfecta negativa
ρ=0 No existe correlación
ρ = +1 Correlación perfecta positiva
Hablamos de correlación positiva si siempre que el valor «x» sube, el valor «y» sube, y
además con la misma intensidad (+1).
En el caso opuesto, si siempre que el valor «x» sube, y el valor «y» baja, y además con
la misma intensidad, entonces estamos hablando de correlación negativa (-1).
Es importante saber que esto no quiere decir que lo hagan en la misma proporción
(salvo que tengan la misma desviación típica).
Representación gráfica de la correlación
Correlación perfecta positiva:
No hay correlación:
Nuestro objetivo es obtener un modelo que permita establecer relaciones entre dos
variables: la variable y (variable dependiente, respuesta o de interés) y la variable x
(variable independiente, predictiva o explicativa).
Si es posible establecer una relación determinista entre las variables, es decir, de la
forma y = f (x), entonces la predicción no tiene ningún error. Por ejemplo, un circuito
eléctrico compuesto por una alimentación de 10 voltios conectada a una
=V/R=10/ 5=2 amperios. El error obtenido al
medirla es despreciable, por lo que mediciones sucesivas obtendrán siempre
intensidades de dos amperios.
Como se observa en el gráfico, todos los puntos se ajustan a la perfección a la línea
recta.
Sin embargo, en la mayoría de las ocasiones, las relaciones entre las variables nos
son desconocidas o los errores de medición no son negligibles. Bajo estas circunstancias
de relación no determinista, la relación puede expresarse como
y = f (x) + u
donde u es una perturbación desconocida (una variable aleatoria).
La presencia de ese error aleatorio significa que dos observaciones idénticas para x
pueden dar lugar a observaciones distintas para y
en este curso son aquellos modelos en los que la función f (x) es lineal:
y = β0 + β1 x + u
Aunque las personas más altas tienden a tener mayor peso que las bajas, no podemos
establecer una relación determinista entre las variables peso y altura. Vemos que existe
una relación entre ambas, pero que ésta no es exacta.
El objetivo de un modelo de regresión es encontrar una relación entre las variables que se
ajuste lo mejor posible a los datos. En el caso de un modelo de regresión lineal simple, el
objetivo es encontrar la recta de regresión.
Ŷ = ˆβ0+ˆβ1x.
Por ejemplo, supongamos que la recta de regresión es:
y = −100+ x
Eso significa que se estima que una persona cuya estatura es de 180cm va a pesar
80kg. Obviamente, esto no es siempre cierto: existen personas que miden 180 cm y no
pesan 80kg y al revés.
La diferencia entre el valor y de una variable (p.ej., peso) y su estimación ˆyi es el residuo ei:
ei = yi − ˆyi.
Gráficamente, es la distancia vertical entre una observación y su estimación a través de la
recta de regresión.
ÍNDICE ESTADÍSTICO
NÚMEROS ÍNDICES
Los números índices son una medida estadística que permite comparar una magnitud
simple o compleja en dos situaciones diferentes respecto al tiempo o al espacio
tomando una de ellas como referencia. Al período inicial se le denomina período base o
referencia y se le asigna el valor 100, en cambio, la situación que deseamos comparar
se denomina período actual o corriente.
Para las comparaciones hay que tener en cuenta dos aspectos importantes:
Fijar la situación inicial (de forma arbitraria) a la que se referirán las
comparaciones. Señalar que la elección de la situación inicial condiciona el
resultado de la comparación, por lo que el punto de referencia inicial debe ser el
más idóneo posible a los objetivos que se persiguen.
Las magnitudes que se comparan pueden ser simples o complejas, lo que nos
introduce en el problema de la construcción de sistemas de comparación
adecuados. Una magnitud compleja es comparar la producción de un mismo país
en dos épocas diferentes o la producción global de dos países. No olvidemos
que la producción es una magnitud compleja compuesta por magnitudes simples
heterogéneas (unidades de producción, litros, kilogramos, etc.)
Una clasificación sencilla de los números índices sería:
SIMPLES: Se refieren a un solo producto o concepto
(Serie Cadena): referencia fija y referencia el dato anterior
NÚMEROS ÍNDICES
COMPLEJOS: Se refieren a varios productos o conceptos: Sin ponderar;
Sauerbeck (media aritmética); Media Geométrica; Media Armónica, Bradstreet -
Dûtot (media agregativa).
Ponderados: Laspeyres; Paasche; Edgeworth; Fisher
NÚMEROS ÍNDICES SIMPLES
Son los índices que proporcionan la variación que ha sufrido una magnitud o concepto
entre dos períodos o lugares distintos. Generalmente, esta comparación se realiza con
el valor de un período fijo (periodo base).
Dependiendo de sí la referencia es fija o no, se habla de índices en serie (referencia
fija) e índices en cadena (referencia variable).
| (X) = 100
Ejemplo 1.-
En la tabla se presenta el número de mujeres (en miles) activas en España desde el tercer
trimestre de 2009 hasta el tercer trimestre de 2010. En la última columna se representan los
números índices simples en serie con base el tercer trimestre de 2009.
Los índices reflejan la variación porcentual que experimentan los distintos valores de la
variable con respecto al valor que se ha tomado como referencia (3º trimestre de 2009).
Los índices que se obtienen respecto de una base (periodo de referencia) fija se denominan
Indices en serie.
NÚMEROS ÍNDICES SIMPLES EN CADENA
Cuando el índice correspondiente a cada dato se calcula tomando como referencia el
dato inmediatamente anterior.
Sean xt-1 y xt los valores observados de una variable X en dos instantes consecutivos,
el índice en cadena que corresponde al valor xt se representa mediante ICt y se define:
ICt =
3
Los índices en cadena reflejan la variación porcentual entre trimestres del número de
mujeres activas en España.
IC =
2010 2
Bibliografía
https://www.sergas.es/Saude-
publica/Documents/1899/Ayuda_Epidat_4_Distribuciones_de_probabilidad_Octubre201
4.pdf
https://www.esan.edu.pe/apuntes-empresariales/2016/10/conoce-las-principales-
distribuciones-de-probabilidad/
https://economipedia.com/definiciones/coeficiente-de-correlacion-lineal.html
http://www.est.uc3m.es/esp/nueva_docencia/leganes/ing_industrial/estadistica_II/doc%2
0grupo2006/archivos/apuntes_Est2.pdf
http://www.fuenterrebollo.com/Economicas2013/indices-teoria.pdf