Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Se puede
Tablaver
8 si esto es cierto usando los valores de la Tabla 7:
20X6
20X7 175,00
160,00 27,8
12,8 0,52
1,13
20X8 170,00 22,8 0,93
20X720X9 160,00 180,00 12,8 32,8 0,52
1,33
Media
20X8 170,00 147,20 22,8 0,00
0,93
Desv.
20X9
Std (s) 180,00
24,62
32,8
1,00
1,33
Como se Media
ha demostrado 147,20 0,00
en la Tabla 8, la media y la varianza (que es igual en este
caso a Desv.
la desviación
Std (s) estándar)
24,62 es 0 y 1, respectivamente. 1,00
Como se ha demostrado en la Tabla 8, la media y la varianza (que es igual en este caso a la des-
5.6. estándar)
viación Coeficiente
es 0 yde variación
1, respectivamente.
s (15)
CV (15)
x
Ejemplo 8:
21
En el caso anterior donde la muestra 1 tiene media = 750 y desviación estándar 25 y
la muestra 2, media = 21 y desviación estándar 3, los coeficientes de dispersión
serán:
Estadísticas y Econometría Financiera
Ejemplo 8:
En el caso anterior donde la muestra 1 tiene media = 750 y desviación estándar 25 y la muestra
2, media = 21 y desviación estándar 3, los coeficientes de dispersión serán:
25
CV
= 1 = 0, 033
750
3
CV=
2 = 0,143
21
6. Medidas de asociación
Cuando se tiene más de una variable, no solo será necesario comprender las características indi-
viduales de cada serie, sino que será importante además, entender la forma en que estas variables están
relacionadas. Será importante determinar qué variable causa a otra(s), el tipo de relación lineal que
puede existir entre ellas y, en general, si existe algún tipo de dependencia entre las variables a estudiar.
Esta sección presenta una breve introducción de las medidas de asociación básicas que se pre-
sentarán en más detalle en el capítulo 9 correspondiente a econometría financiera.
Para dar una visión general de las medidas de asociación, se introducirá el diagrama de series
de tiempo y el diagrama de dispersión. Posteriormente, se presentarán las siguientes medidas de
asociación: el coeficiente de correlación (R) y el coeficiente de variación (R 2).
22
capítulo 1 Estadística descriptiva
a. No relación.
b. Relación lineal positiva o directamente proporcional.
c. Relación lineal negativa o indirectamente proporcional.
d. Relación no lineal positiva, y
e. Relación no lineal negativa.
Tabla 9
1 25 126
2 21 110
3 15 87
4 22 97
5 15 80
6 16 84
7 28 129
8 30 126
9 23 115
10 15 91
23
Estadísticas y Econometría Financiera
Como se puede observar en el diagrama de series de tiempo, existe una relación positiva entre las
dos variables, es decir, que cuando una crece la otra variable también crece, y viceversa. El diagrama
de dispersión ayuda a clarificar lo descubierto anteriormente al brindar mayor información respecto
al tipo de relación que puede estar presente entre las dos variables. Observando este último diagrama
es obvio que existe una relación positiva entre los gastos en promociones y las ventas en unidades.
En este punto, es importante mencionar que el diagrama de dispersión es la base sobre la cual
se desarrollará posteriormente el método econométrico conocido como el método de mínimos
cuadrados ordinarios (MCO). A manera de introducción, se utilizará Excel para generar una línea
que permita resumir la relación que existe entre las dos variables. La siguiente aplicación de Excel
presenta el procedimiento para obtener la línea que minimiza la suma de los errores al cuadrado,
sobre que el cual se desarrolla este método.
24
capítulo 1 Estadística descriptiva
25
Estadísticas y Econometría Financiera
cia que en nuestro producto, lo que implica que un incremento en una unidad de gasto
promocional generará un mayor incremento en las ventas en unidades de la competencia.
Una posible interpretación de este resultado puede ser que la competencia es más efectiva
en el uso de sus gastos promocionales. En base a esto, el analista podrá averiguar las
posibles causas que pueden influir: visibilidad de las promociones, uso de otros medios
promocionales como cupones, afiches, etc.
1
Cov ( x , y ) = σ y , x = × E[( x − x ) × (y − y )] (16)
N
Donde σy,x representa la covarianza entre x e y, N es el tamaño de la población, E es el operador
de esperanza matemática, x e y las medias de x e y, respectivamente. Asimismo, la covarianza
muestral se calcula de la siguiente manera:
1 n
1 n
Cov( x, y ) s y , x ( yi y ) ( xi x ) yi .xi n y x (17)
n 1 i 1 n 1 i 1
26
capítulo 1 Estadística descriptiva
En este punto es importante señalar algo que se analizará en detalle en el capítulo 10: no co-
rrelación no necesariamente implica independencia estadística. Independencia estadística es
un término general que se refiere al hecho que la probabilidad de ocurrencia de un evento no ejerce
ningún efecto en la probabilidad de ocurrencia de otro evento. No correlación es sinónimo de
independencia estadística si y solo si cada una de las variables sigue una distribución normal.
Pero este no será un resultado general sino particular.
A continuación se presenta un ejemplo de cómo interpretar el coeficiente de correlación y luego
se mostrará la forma de usar Excel para obtener este coeficiente.
Ejemplo 9:
Si se tienen los precios de dos acciones de dos diferentes empresas y se calculan sus respecti-
vas correlaciones con el índice del mercado. Si, por ejemplo, se obtienen los siguientes resultados:
R1 = 0,30 y R 2 = 0,8.
Dada esta información se puede advertir que la segunda acción tiene una dependencia lineal
con el mercado más fuerte que la primera acción. Es decir, si por ejemplo el índice de mercado se
incrementa en 2%, la acción 1 se incrementará solo 0,6% (0,30 x 2%), mientras que la acción 2 se
incrementará en 1,6% (0,8 x 2%).
Asimismo, es importante notar que como el signo de la correlación es positivo en ambos casos,
la dependencia lineal es directa; lo que implica que si el índice cae, el precio de las acciones también
lo harán. En este caso hipotético, la acción cuyo precio caerá más será la de la acción 2, ya que tiene
un coeficiente de correlación más grande.
A continuación se muestra una aplicación de Excel para calcular el coeficiente de correlación
usando los datos presentados en la Tabla 9.
27
Estadísticas y Econometría Financiera
En esta aplicación se puede apreciar que los gastos promocionales y las ventas están directamente
correlacionados (el signo de la correlación es positivo). Asimismo, dado a que el valor es bastante
cercano a la unidad, se puede afirmar que la relación lineal de ambas variables es bastante fuerte.
7. Problemas propuestos
1) ¿Cuál es la diferencia entre un parámetro y un estadístico?
2) ¿Por qué una muestra tiene que ser representativa de la población de la cual ha sido to-
mada?
3) ¿El error muestral puede siempre disminuirse aumentando el tamaño de la muestra?
4) ¿El muestreo probabilístico es usado comúnmente para realizar estudios exploratorios?
Comente.
5) El muestreo aleatorio simple, el muestreo sistemático y el muestreo basado en el juicio
del analista, son todos muestreos probabilísticos. Comente.
6) Explique cuál es el principal problema del muestreo sistemático.
2 Este número puede ser obtenido elevando al cuadrado el coeficiente de correlación. De la aplicación de Excel 6, el coeficiente de
correlación (R) entre las ventas y los gastos en promociones es igual a 0,94, por lo que el coeficiente de variabilidad será igual a R 2, es
decir, a (0,94)2 que da 0,8836. La pequeña diferencia entre este número y el hallado en la aplicación 5 se debe al redondeo del coeficiente
de correlación.
28
capítulo 1 Estadística descriptiva
29