CARRERA DE FINANZAS

ASIGNATURA: ECONOMETRÍA APLICADA A LAS

FINANZAS
UNIDAD 1: CONCEPTOS Y
FUNDAMENTOS DE LA ECONOMETRÍA
TERCER NIVEL | PARALELO B
DOCENTE: PERIODO ACADÉMICO:
Eco. Jorge Bernal Y. PhD (c) SPA 2022 – 2023

NOVIEMBRE
2022
UNIDAD 1
TEMA: REPASO DE
ESTADÍSTICA DESCRIPTIVA
SEMANA 1
 CONCEPTOS Y
FUNDAMENTOS BÁSICOS
Introducción

¿Análisis Empírico?
¿Estadística?
Introducción
Introducción
Introducción
Introducción
ANÁLISIS EMPÍRICO
Análisis Empírico

Considerado el Padre
del Método
Científico, desarrolló
una filosofía empírica
en donde la
experiencia es la
fuente de del
conocimiento.
Análisis Empírico

Modelos para describir

el método científico,
que se basa en la
experimentación y la
lógica empírica
Análisis Empírico

Empíricos
Método Experimental
Métodos

Método de la Observación

Método de la medición
CONCEPTOS Y
FUNDAMENTOS
BÁSICOS
 Conceptos básicos
Estadística Descriptiva o Deductiva

Recolectar Características de
Datos
Clasificar Grupo
Ordenar
Analizar  Central: media,
Herramientas Medidas
Representar mediana, moda
 Dispersión: varianza,
desviación estándar
 Forma: Coeficiente de
Pearson
 Conceptos básicos
Estadística Inferencial o Inductiva
Herramient
as
Infiere conclusiones generales

Permite tomar previsiones  Contraste de

No se limita
en la hipótesis
descripción Permite predecir el comportamiento de ciertos fenómenos  Intervalos
característicos
Apoya en la estadística descriptiva y en la probabilidad
 Errores
 Teorema del
límite Central
 Conceptos básicos
Descriptiva Inferencial

Descripciones
Predicciones
Comparaciones
Generalizaciones
Cualitativos Cuantitativos
Estimaciones
Conclusiones Probabilidad
Hipótesis

Proporciones Tendencia Dispersión Chi Cuadrado

Central Cualitativos
𝝈 Probabilidad Exacta de Fisher

𝝈
2 Paramétrica T-Student, ANOVA
𝑰𝑪 Cuantitativos No Paramétrica Wilcoxon, KW
Asociaciones Regresión,
Correlación
Conceptos básicos

Población: C onjunto de elementos que se quiere

estudiar.

 Habitantes de una c iudad.

 Televisores fabric ados en una fac toría.
 Alumnos de primero de ba chillerato.
Conceptos básicos

Muestra: Cualquier subconjunto de una población.

Conceptos básicos

Tamaño de la muestra: El número de

elementos/individuos (unidad investigativa) de una
muestra.
Conceptos básicos

Individuo: Cada uno de los elementos que componen

una población y/o muestra .
• Es sinónimo de unidad básica o última del muestreo

Carácter/característica: Propiedad o cualidad que

presentan los elementos de una población que se desea
estudiar .
• Cualitativo cuando no puede medirse numéricamente
• Cuantitativo cuando puede medirse numéricamente
(Variable)
Conceptos básicos

Tamaño de la muestra
Conceptos básicos

Tamaño de la muestra
Conceptos básicos

Tamaño de la muestra
Conceptos básicos

Tamaño de la muestra
Conceptos básicos

Tamaño de la muestra

¿ Cuá l es el tamaño de la muestra de una

población de 10780 estudiantes universitarios,
con un 99% de confianza y un error muestral
del 5%.
Conceptos básicos

Estadístico:Es una medida descriptiva de una muestra

• Ingreso promedio de los trabajadores de una empresa.

• Frecuencia de venta de productos en un
supermercado.

Parámetro: Es una medida descriptiva de una población.

•Salario promedio de los trabajadores del sector
público.
•Proporción de estudiantes que c ursan el bac hillerato
en el país.
Conceptos básicos

Censo

Encuesta
Conceptos básicos

Encuesta
Conceptos básicos

Encuesta
Conceptos básicos

Encuesta
Conceptos básicos

Encuesta
LOS DATOS
Introducción

¿Estadística?
¿Datos?
 Introducción
Representación simbólica de un atributo o
característica de una variable cuantitativa o
¿Qué son los cualitativa.
DATOS? Los datos son un elemento imprescindible
para realizar la estimación y la inferencia sobre los
parámetros de un modelo.

Interesa OBSERVAR alguna CARACTERÍSTICA que se manifiesta en los

INDIVIDUOS o unidades estadísticas, procedentes de alguna
POBLACIÓN/MUESTRA

 Observar Medir: escala de medida Variable

 Observar los resultados de una variable: DATOS

Introducción

Organizar de manera sencilla gran

cantidad de información para compararla
y para que, mediante la información
recopilada y organizada, se puedan
tomar decisiones
Introducción

EJEMPLO: Datos
Caso Edad Sexo Ingresos Part. Niv. Miembros IRPF
Ingre. Estud
1
34 1 120.000 100 1 3 22,1
2 275.000 85 2 3 24,5
45 1
3 2 150.000 50 1 4 18,0
34
4 1 150.000 35 3 2 23,1
25
5 2 250.000 99 1 2 32,3
62
6 1 300.000 75 1 3 34,1
53
7 2 120.000 100 2 3 22,1
32
8 2 135.000 85 2 3 24,5
54
9 2 150.000 50 3 4 18,0
23
10 1 150.000 35 1 2 23,1
44
11 1 250.000 100 2 2 32,3
57
12 2 300.000 75 1 3 34,1
50
Introducción
Tipos de Datos

CORTE TRANSVERSAL

SERIES TEMPORALES

DATOS DE PANEL
 Tipos de Datos

 Corte transversal: conjunto de observaciones sobre una

determinada variable obtenidas en un momento
determinado en el tiempo (encuesta, censo, Encuesta
Condiciones de Vida (ECV), Encuesta de Población Activa
(EPA))

 Series temporales: conjunto de observaciones sobre una

determinada variable obtenidas en intervalos regulares de
tiempo (PIB anual, tasas de interés de un país).

 Datos de panel: Son una combinación de datos de series

temporales y corte transversal. Se obtienen observaciones
sobre diferentes variables en distintos momentos del tiempo
(PHOGUE).
 Corte transversal

Salario hora y años de educación.

Salario hora por niveles educativos....

 EJEMPLO 1: Salario(hora) y años educación.

60
40
20
0

0 5 10 15 20
years of
education
 Series temporales

Evolución prestaciones contributivas 1984-

2010. España.

Antigüedad empleo 1987-2003. España.

Maestría en Desarrollo Local |PUCE-

EJEMPLO 1: Evolución prestaciones 2000-2009
 EJEMPLO 2: Antigüedad empleo, EPA 1987-2003.

11,0

10,0

9,0

Todos
Año

8,0 Varones
s

Mujeres

7,0

6,0

5,0
1996
1987

1988

1989
1990

1991

1992
1993

1994

1995

1997
1998

1999

2000
2001

2002

2003
Fuente: Arranz, J.M. y C. García-Serrano, (2007)¿Qué ha sucedido con la estabilidad
Del empleo en España entre 1987-2003?, Revista de Economía Aplicada, nº45,
Págs 31-64.
 Datos de Panel

Evolución salario hora algunos países UE 1995- 2001.

Distribución fuente renta. Muestra Continua de Vida

Laboral (MCVL) 2004-2009
EJEMPLO 1: Evolución salario hora algunos países UE 1995-2001.

1
6

1
4

1
2

1
0

6
1995 1996 1997 1998 1999 2000 2001
4
Spain Italy Portugal France Germany UK
2
 EJEMPLO 1: Distribución fuente renta. MCVL 2004-2009

100%

90%

80%

70%

60%

50%

40%

30%

20%

10%

0%
2004 2005 2006 2007 2008 2009

Rent assalariales Subsidios Pensiones Rent asno salariales Restoingresos

 Datos de panel

…es un conjunto de datos en el que

comportamiento de los agentes es
observado a través del tiempo. Estos
agentes pueden ser estados,
empresas, individuos, países, etc.
Datos de panel

6500 familias desde 1968.

 Datos de panel

• Otros términos para datos de panel

– Datos agrupados (de observaciones de series de tiempo y

transversales).
– Combinación de datos series temporales y
transversales.
– Datos en micropanel.
– Análisis de historias de sucesos.
– Datos longitudinales.
 Datos de panel

Un Panel de Datos puede ser:

– Balanceado o completo: Si cada unidad de análisis

transversal tiene el mismo número de observaciones de
series de tiempo.

– Desbalanceado o incompleto: Si el número de

observaciones difiere entre los miembros del panel.
Datos de panel
Datos de panel
VARIABLES, MEDICIÓN Y
ESCALAS DE MEDIDA
Variables

¿Qué es una
variable?
¿Qué es una variable?

Una variable es una

característica de un
conjunto de
individuos
 ¿Qué es una variable?

El concepto económico:
 Se entiende un conjunto de cantidades medibles,
determinado por el funcionamiento del sistema
económico.
Por ejemplo: los precios, el ingreso, la oferta, la demanda, la
riqueza producida, las tasas de interés, los tipos de cambio, tasas
de desempleo, entre muchos otros.

 Las variables económicas, permiten establecer relaciones

entre conceptos, a través de las cuales es posible explicar
los fenómenos que se estudian.
Variables
cualitativas y
cuantitativas • Masculino
Dicotómicas
Cualitativas • Femenino
 (Cualidades,
• Marcas de
 categorías o
 atributos) Politómicas vehículos
•Nivel de estudios


Variables   Discretas • Número de hijos
  (Unidades • Páginas de un libro
Cuantitati vas  completas )
 
 (Aquellas 
 medibles  • Edad
numéricamente) Continuas • Peso
(Cualquier • Talla
valor en un • Tiempo
rango)
 Variables discretas

 Las variables discretas adoptan sólo ciertos valores

(números enteros o exactos) y existen vacíos entre ellos.

EJEMPLOS:
 El número de camas en una casa (1, 2, 3, 4, etc.);
 El número de automóviles que en una hora usan la salida 25, carretera I-4,
en Florida, cerca del Walt Disney World (326, 421, etc.),
 El número de estudiantes en cada sección de un curso de estadística (25
en la sección A, 42 en la sección B y 18 en la sección C).

 OJO: Observe que en una casa hay 3 o 4 camas, pero no

3.56. Por consiguiente, existe un vacío entre los valores
posibles.
 Variables discretas

 Las observaciones de una variable continua toman cualquier

valor infinito (número racional) dentro de un intervalo
específico.

EJEMPLOS:
 La presión del aire en una llanta y el peso de un cargamento de tomates.
 La cantidad de cereal con pasas que contiene una caja y la duración de los
vuelos de Orlando a San Diego.
 El promedio de puntos al graduarse (GPA) constituye una variable continua.
Podría expresar el GPA de determinado estudiante como 3.2576952. Se
acostumbra redondear a 2 lugares decimales (3.26).

 Por lo general las variables continuas son el resultado de

mediciones.
 Medición de variables
• Los datos expresan mediciones de características de los elementos
observados.

Medición:
• S/ Diccionario de Ciencias Sociales:
– Acción de comparar una cantidad con otra de igual naturaleza
Acción de compararcon objeto de averiguar cuantas veces la
primera contiene a la segunda.
• S/ Diccionario de la Lengua Española:
– una cantidad con su respectiva unidad con el fin de averiguar
cuantas veces la segunda está contenida en la primera.
• Actualmente, por “medir” entendemos:
– Asignar objetos o acontecimientos a categorías, de acuerdo
con ciertas reglas de comparación.
Escalas de medida
• Modernamente se distinguen 4 posibles escalas de medida,
que permiten "medir" el comportamiento de un individuo para
una característica determinada:

PARA VARIABLES CUALITATITVAS (ATRIBUTOS):

Idiomas:
– Nominal: No existe un orden natural.
Español (1),
Francés (2),
Inglés (3)

– Ordinal: Además de nominal, existe un orden natural.

Nivel de estudios:
Sin Estudios (0),
Primaria (1),
Bachillerato (2),
Universidad (3)
 Escalas de medida

PARA VARIABLES CUANTITATIVAS:

– Intervalo: Además de ordinal, el 0 carece

Escalas de Temperaturas:
de sentido físico real (no tiene 0ºC 10ºC 20ºC
signficado), no representa la 32ºF 50ºF 68ºF
inexistencia (ausencia) de la
característica medida.

– Razón:
Peso:
Además de intervalo, el 0 10 kg 20kg 30kg
representa la inexistencia 22,0459 Lb 44,0918 Lb 66,1377 Lb
(ausencia) de la característica
medida.
Escalas de medida
Escalas de medida
 Escalas de medida

 Deporte Favorito
 Medallas ganadas en una competencia
 Número de pantalones de mis amigos
 Primer apellido
 Peso de los asistentes a la clase de hoy
 Escalas de medida

 Deporte Favorito Nominal

 Medallas ganadas en una competencia Ordinal
 Número de pantalones de mis amigos Discreta
 Primer apellido Ordinal
 Peso de los asistentes a la clase de hoy Continua
 Escala dicotómica o binaria

 Toma dos estados excluyentes (Sí-No, V-F, 0-1)

 Conceptualmente, es un caso particular de la escala nominal.

 Pero, si interpretáramos que un estado es “mejor” o “peor” que

el otro en algún sentido, induciríamos un orden entre las
categorías, pudiéndose ver como una escala ordinal.
 Además, interpretando por 0 la ausencia de una característica y
por 1 su existencia, estos dos extremos pueden verse como
límites de un intervalo.
 En este caso puede verse como una escala de razón y, por tanto,
también como una escala de intervalo (variables dummies).
EJERCICIOS DE APLICACIÓN
EJERCICIOS DE APLICACIÓN
EJERCICIOS DE APLICACIÓN
 REFERENCIAS BIBLIOGRÁFICAS
• ANDERSON, D., SWEENEY. D., & WILLIAMS, T. (2012). Estadística
para Administración y Economía, 11° edición, Cengage Learning,
México.
• CANAVOS, G. C. (1988). Probabilidad y Estadística. Aplicaciones
y métodos. México: McGraw – Hill Interamericana de México.
• DOUGLAS, L., MARCHAL, W., & WATHEN, S. (2012). Estadística
aplicada a los negocios y la economía, 15° edición, McGraw Hill
• MENDENHALL, W., BEAVER, J., & BEAVER, B. (2008).
Introducción a la probabilidad y estadística, 13° edición, Cengage
Learning, México.
• SUÁREZ, M. & TAPIA, F. (2014). Interaprendizaje de estadística
básica. Universidad Técnica del Norte. Primera edición, pp. 11-
28
MUCHAS GRACIAS