You are on page 1of 14

Probabilidad y Estadstica 2 Ao

Estadstica: Podemos decir que la estadstica es la rama de la matemtica que se ocupa de recopilar, coordinar, resumir, representar y analizar datos con el objeto de extraer conclusiones que permita tomar decisiones. La estadstica trata de interpretar los datos de las observaciones de un fenmeno que se produce en los numerosos elementos de un conjunto, de modo de dar una expresin correcta de dicho fenmeno. Desde antigedad los pueblos hicieron uso de la estadstica rudimentaria, en todos ellos se hicieron censos de poblacin, de propiedades, inventarios de bienes, controles de nacimientos, de defunciones, etc. De ah el nombre de estadstica, que proviene de la palabra Estado. Recin a fin del siglo XVII se organiz la estadstica como una rama de la matemtica aplicada y alcanzada su verdadero desarrollo en el siglo siguiente cuando se une al clculo de probabilidad que le sirve de base y permite su aplicacin en estudios demogrficos, como en economa, en biologa, en astronoma, meteorologa, etc. En nuestro pas el organismo oficial que se encarga de los ndices estadsticos es el INDEC (Instituto Nacional de Estadstica y Censos) Algunos ndices que se encarga de reflejar son: de inflacin, de la canasta bsica, de empleo, de pobreza, de mortalidad infantil. Los censos se realizan cada 10 aos. Poblacin o Universo: dado que la finalidad de la estadstica es el estudio de las observaciones de los fenmenos que se refieren a un conjunto, a cada uno de los conjuntos homogneos de elementos en estadstica se le da el nombre de poblacin. Muestra: es el conjunto de elementos que se obtiene a partir de una poblacin, procurando que la misma sea representativa de esa poblacin. De esa manera pueden obtenerse conclusiones y efectuarse los anlisis, con muchos menos costos y en menos tiempo que si tuviramos que trabajar con toda la poblacin. Variable: es un smbolo que puede adoptar cualquier valor de un conjunto determinado de valores, denominado el dominio de la variable. Clasificacin de variables: a) Variables continuas: son aquellas que pueden tomar cualquier valor entre 2 valores dados. Incluyendo los nmeros irracionales, por ejemplo 1; 1,1; 1,11; 1,111; 2. b) Variables discretas: son aquellas que solo pueden tomar algunos valores entre 2 nmeros dados, por ejemplo: La cantidad de hijos de una familia entre 1 y 5 1 ; 2 ; 3 ; 4 ; 5.
ISFD Divino Salvador IP-31 - Profesorado de Matemtica Miguel A. Lavens 1

Probabilidad y Estadstica 2 Ao

c) Variable aleatoria: es aquella que expresa el resultado de un experimento aleatorio, es decir donde interviene el azar. Por ejemplo: Los juegos de azar. Tabla de valores: se utilizan por lo sencillo que resulta su presentacin, consiste en distribuir las observaciones en cuadros o tablas que permitan una rpida apreciacin de los datos reunidos. Frecuencia: es el nmero de veces que se repite en estudio, por ejemplo en el cuadro anterior, la frecuencia de la estatura 1,69 es 5 y la frecuencia de la estatura 1,66 es 7, que tambin es la mayor frecuencia. Distribucin de Frecuencias: Una distribucin de frecuencias es un mtodo para organizar y resumir datos. Bajo este mtodo, los datos que componen una serie se clasifican y ordenan, indicndose el nmero de veces en que se repite cada valor. Clases de frecuencia: a) Frecuencia absoluta: representa el nmero de veces que se repite el resultado, y se nota por f. b) Frecuencia relativa: es el cociente o valor porcentual entre la frecuencia absoluta y el nmero total de resultados obtenidos. Intervalo de clase: cuando el nmero de observaciones es muy grande, tabular todos los datos resulta largo y poco claro, por ello se condensa subdividiendo la amplitud de la serie de observaciones en intervalos iguales, cada uno de los cuales se llama intervalo de clase. Los extremos de cada intervalo se llaman lmite inferior y superior de la clase. En cada intervalo de clase estn comprendidos todos los valores de la variable mayores o iguales que el lmite inferior y menor que el lmite superior, excepto para el ltimo intervalo donde los valores son mayores o iguales que el lmite inferior y menores o iguales que el lmite superior. Histograma: es un grfico que consiste en considerar rectngulos que tienen por base el intervalo de clase y por altura la frecuencia de dicho intervalo. Polgono de Frecuencia: el polgono de frecuencia es un grfico lineal que se obtiene de la siguiente forma: se determinan los puntos que tienen por abscisa el punto medio de cada intervalo de clase y por ordenada la frecuencia correspondiente a dicho intervalo, adems el punto medio del intervalo que antecede al primero y el punto medio del que sigue al ltimo. Se unen los puntos as obtenidos y se obtienen una poligonal llamada polgono de frecuencia. Curva de distribucin de frecuencia: Si el nmero de observaciones es muy grande y la amplitud de los intervalos de clase muy pequeos, el polgono de frecuencia se aproxima a una

ISFD Divino Salvador IP-31 - Profesorado de Matemtica

Miguel A. Lavens

Probabilidad y Estadstica 2 Ao

curva que recibe el nombre de curva de distribucin de frecuencia. Esta curva puede adoptar distintas formas: 1) La llamada curva normal o de gauss en forma de campana, simtrica a ambos lados.

2) Conservando la forma aproximada a la anterior, pero asimtricas a la derecha o izquierda.

asimetra a la derecha.

asimetra a la izquierda

3) La forma de J

4) La llamada forma de U

Medidas o parmetros estadsticos En general en los trabajos estadsticos se obtienen un cierto nmero de observaciones que figuran en los cuadros como en las tablas pero que es difcil considerar en su totalidad. Para eso es
ISFD Divino Salvador IP-31 - Profesorado de Matemtica Miguel A. Lavens 3

Probabilidad y Estadstica 2 Ao

necesario reemplazar estos datos por un nmero como en cantidad que lo representa, a la que suele llamarse medidas o parmetros estadsticos. Estos parmetros se clasifican en dos grupos: Medidas o parmetros de posicin y medidas o parmetros de dispersin. a) Medidas de posicin: son valores tpicos de un conjunto de datos que se denominan de posicin porque el valor obtenido nos permite tener una idea de donde se encuentran ubicados los datos que representa. Tambin se denomina tendencia central porque estn ubicados en el centro de un conjunto de datos. Se divide en 2 grupos: 1) De promedio: en su clculo intervienen todos los valores de la variable. Estas son las medias aritmticas, la media geomtrica y la media armnica. 2) Otras medidas en las que para el clculo solo participan algunos valores de la variable. Estas son la mediana, la moda y los cuartiles. Media Aritmtica ( X ) Se llama promedio o media aritmtica al cociente entre la suma de los valores de las observaciones y el nmero de observaciones. Si se tienen la N observaciones x1, x2, x3, ., xn el promedio ser: x1 + x2 + x3 + .. + xn N La suma de los datos puede indicarse utilizando el smbolo de la sumatoria (letra griega sigma).

X =

n xi X = i=n N
n i=1

xi X = N

Esto significa la suma de los valores desde i = 1 hasta i = n. Cuando las observaciones estn condensadas en una tabla de frecuencia el promedio o media aritmtica se obtiene de la siguiente forma: se suman los productos de los valores medios del intervalo de clase por la frecuencia, o sea el nmero total de observaciones, por ejemplo en la siguiente tabla de frecuencia que se refieren a las calificaciones obtenidas en un examen por los alumnos de una divisin. Si los valores medios los designamos Z1, Z2, Z3, ., Zn y las frecuencias como f1, f2, f3, ., fn la frmula ser: Z1 . f1+ Z2 . f2+ Z3 . f3 + .. + Zn . fn X = f1 + f2+ f3+ .+ fn

X=

Zi . fi fi

X=

Zi . fi

N
Miguel A. Lavens 4

ISFD Divino Salvador IP-31 - Profesorado de Matemtica

Probabilidad y Estadstica 2 Ao

En el caso que no existan intervalos, directamente se multiplican cada uno de las variables por la frecuencia en que se repite. Por ejemplo si, 5, 8, 6 y 2 ocurren con frecuencias 3, 2, 4, 1 En general para el clculo de promedio se realiza la siguiente tabla: Intervalo de Valor medio de Frecuencia Z.f calificacin intervalo (Zi) (fi) 02 1 2 1.2=2 24 3 5 3 . 5 = 15 46 5 14 5 . 14 = 70 68 7 8 7 . 8 = 56 8 10 9 6 9 . 6 = 54 35 197

197 35

5,63

Media Cuadrtica (MQ) La media cuadrtica de un conjunto de nmeros x1, x2, x3, ., xn es la raz cuadrada de la sumatoria de los cuadrados de los valores de X/N.

MQ =

x2 N

Media Geomtrica: (G) La media geomtrica de un conjunto n de nmero de puestos positivos x 1, x2, x3, ., xn es la raz ensima del producto de esos nmeros.

G=

x1 .x2 . x3 .... xn

Media Armnica: (H) La media armnica de un conjunto de nmeros x1, x2, x3, ., xn es el recproco de la media aritmtica de los recprocos de esos nmeros.

H=

N 1 x

Mediana: En una sucesin de observaciones y dispuestos de menor a mayor los valores de la variable, se llama mediana al valor medio o central de dicha variable, es decir que el nmero de valores menores que ella es igual al nmero de valores mayores que ella. Ejemplo: se hacen 11 observaciones y se ordenan los valores de la variable de menor a mayor, la mediana es el valor de la variable que corresponde al 6 lugar.
ISFD Divino Salvador IP-31 - Profesorado de Matemtica Miguel A. Lavens

Probabilidad y Estadstica 2 Ao

1, 2, 4, 5, 6, 8, 11, 12, 15, 18, 28 Si el nmero de los valores de la variable es par, la mediana es el promedio entre los dos valores centrales. 2, 4, 5, 6, 7, 9, 10, 12 6+7 13 = 6,5 2 2 A diferencia de la media aritmtica, la mediana tiene la ventaja de no estar influenciada por un valor extremo de la variable. De esa forma en el primer ejemplo mientras la mediana es 8 el promedio ser: Me = 1+ 2 + 4 + 5 + 6 + 8 + 11 + 15 + 18 + 28 2 Grficamente: = 110 11 10

0 1

2 3 4 5 6 7 8 9 10 11 12 13 14

18

28

X Cuando las observaciones estn condensadas en tablas de frecuencia, para determinar la Se me procede de la siguiente forma: 1) Se determina el intervalo de clases en el cual la frecuencia acumulada es mayor o igual a la mitad del nmero de observaciones. 2) Se determina el punto de ese intervalo que corresponde a la mediana aplicando la siguiente frmula: N/2 - Fle Me = le + .h

Me

fe

le = es el lmite inferior del intervalo de clases al que pertenece la mediana. N/2 = es la mitad del nmero total de observaciones. Fle = es la frecuencia acumulada hasta el intervalo de clase al que pertenece la mediana. fe = es la frecuencia del intervalo de clase al que pertenece la mediana. h = es la amplitud del intervalo. Modo o Moda: Se llama modo o moda al valor de la variable al que le corresponde la mayor frecuencia. Cuando las observaciones estn condensadas en intervalos de clase, para hallar la moda se aplica la siguiente frmula: 1 le + Mo = .h 1 + 2
ISFD Divino Salvador IP-31 - Profesorado de Matemtica Miguel A. Lavens

Probabilidad y Estadstica 2 Ao

1: es la frecuencia mayor menos la frecuencia anterior. 2: es la frecuencia mayor menos la frecuencia posterior. le: es el lmite inferior del intervalo de clase al que pertenece la moda. h: es la amplitud del ese intervalo. Cuartiles Si en una sucesin de observaciones se ordenan de menor a mayor los valores de la variable, se llama cuartiles a los 3 valores de la variable que la dividen en 4 partes, tales que cada uno de ellas contiene el mismo nmero de observaciones. El primer cuartil (Q1) es el valor de la variable mayor que la primera cuarta parte de los valores. El segundo cuartil (Q2) coincide a la mediana. Q2 = Me El tercer cuartil (Q3) es el valor de la variable mayor que las primeras partes. En una distribucin de frecuencias para obtener los cuartiles se procede de la siguiente forma: 1) Se determina los intervalos en los cuales se encuentran los cuales se encuentran los cuartiles. 2) Se determinan los puntos de esos intervalos en los cuales se encuentran cada uno de los cuartiles mediante las siguientes frmulas:

Q1 =

le +

N/4 - Fle

fe
N/2 - Fle

.h

Q2 =

le +

fe
3 N/4 - Fle

.h

Q3 =

le +

fe

.h

Cuartiles, deciles y percentiles: Si un conjunto de datos est observado por magnitud, el valor central que lo divide en dos mitades iguales es la mediana. Los valores que lo dividen en 4 partes iguales se llaman primer, segundo y tercer cuartiles respectivamente. Coincidiendo el cuartil dos con la mediana. Anlogamente, los valores que dividen en 10 partes iguales se llaman deciles y se denotan D 1, D2, D3, , D9, mientras que los valores que dividen en cien partes iguales se llaman percentiles y se denotan P1, P2, P3, , P99. El quinto decil y el 50 percentil coinciden con la mediana. Los 25 y 75 percentiles coinciden con el primer y tercer cuartil. Colectivamente, cuartiles, deciles y percentiles se denominan cuantiles.

ISFD Divino Salvador IP-31 - Profesorado de Matemtica

Miguel A. Lavens

Probabilidad y Estadstica 2 Ao

Bloque III
Medidas de dispersin: La dispersin o variacin de los datos intenta dar una idea de cmo estn esparcidos. Se pueden clasificar en: Rango = R Desviacin media = DM Varianza = V(x) Desviacin Standart = S(x) Coeficiente de variacin = Cv Rango: El rango de un conjunto de nmeros es la diferencia entre el mayor y el menor nmero de ellos. Ejemplo: El rango del conjunto 2, 3, 3, 5, 5, 5, 8, 10, 12 es R= 12 2 = 10 Desviacin Media: La desviacin media de un conjunto de nmeros es el valor absoluto de la desviacin de cada una de las variables con respecto al promedio. Para calcular se suman los valores absolutos de las observaciones o dispersiones y se divide por el nmero de observaciones y la frmula ser:

DM =

(xi - ) X

DM =

i=1

(xi - X).fi

N
n

DM =

i=1

(Zi -X ).fi

Varianza V(x): se llama varianza al promedio de los cuadrados de las desviaciones y la frmula ser la siguiente:
n

V(x) =

i=1

(xi - X)

V(x) =

i=1

(xi - X) . fi

V(x) =

i=1

(zi - X) . fi

Desviacin Standar (Sx): La raz cuadrada positiva de la varianza se llama desviacin standar y desviacin tpica, y la frmula es la siguiente: n

Sx =

i=1

(xi - X) 2

Sx = Vx
Para trabajar con frecuencias la frmula es la siguiente:

N
n

Sx =

i=1

(xi - X) 2. fi

ISFD Divino Salvador IP-31 - Profesorado de Matemtica

Miguel A. Lavens

Probabilidad y Estadstica 2 Ao

Para trabajar con intervalos de clase la frmula ser la siguiente:

Sx =

i=1

(zi - X) 2. fi

Coeficiente de la variacin (Cx): El coeficiente de variacin se calcula haciendo la desviacin estndar sobre el promedio o mediana.
n i=1

(zi - X) 2. fi

Cv =

Sx

Cv =

N xi N

Bloque IV Momentos, Sesgo y Curtosis


Las aplicaciones que tiene el sesgo, momentos y curtosis en la estadstica es para ver la disparidad de los datos y ver si hay tendencias aglomerativas o dispersivas en determinadas zonas del Universo de datos. Esto sirve para hacer mejores interpretaciones. Curtosis: La curtosis mide que tipo de grfico tiene una distribucin, en relacin a la normal, si tiene un pico alto se dice leptocrtica; si es aplastada se dice platicrtica. Mientras que en la distribucin normal, que no es ni muy punteaguda ni muy aplastada se llama mesocrtica.
Este tipo de medida determina el grado de concentracin que presentan los valores en la regin central de la distribucin. Por medio de esta podremos saber si existe una gran concentracin de valores que podramos llamar: Leptocrtica, o una concentracion normal de los datos que se le podra llamar: Mesocrtica y en el ltimo caso una baja concentracin o aglomeracin de datos que le llamamos: Platicrtica.

El coeficiente de apuntamiento de uso ms extendido es el basado en el cuarto momento con respecto a la media y se define como: a 4 = m4 m2 2

ISFD Divino Salvador IP-31 - Profesorado de Matemtica

Miguel A. Lavens

Probabilidad y Estadstica 2 Ao

Donde m4 es el 4 momento centrado o con respecto a la media m 2 y es la desviacin 2

estndar.

Sesgo: Se conoce como sesgo el grado de asimetra de una distribucin, es decir cunto se aparta de la simetra. Si la curva de frecuencias de una distribucin tiene una cola ms larga que a la izquierda se dice sesgada a la derecha o sesgo positivo, de lo contrario es sesgada a la izquierda o de sesgo negativo.

Distribucin simtrica

Distribucin con sesgo positivo

Distribucin con sesgo negativo

Para calcular una medida de sesgo se realiza el cociente de la media menos la moda sobre la desviacin tpica. Sesgo = Media Moda Desviacin tpica = X Mo S(x)

Momentos: Cuando es necesario distinguir entre los momentos medidas de sesgo y medidas de curtosis de una poblacin y los de una muestra, se usan smbolos latinos para los primeros y griegos para los segundos. As, si los momentos se denotan mr y mr, los smbolos griegos correspondientes sern r y r. Anlogamente si las medidas de sesgos y curtosis de la muestra se denotan con a3 y a4, la de la poblacin sern 3 y 4.

=
m1 = c.

xi X h f N f 2 N f 3 N f 4 N

m2 =

c2 .

m3 =

c3 .

m4 =

c4 .

ISFD Divino Salvador IP-31 - Profesorado de Matemtica

Miguel A. Lavens

10

Probabilidad y Estadstica 2 Ao

Comprobacin de Charlier La comprobacin de Charlier para calcular momentos usa las siguientes identidades: f ( + 1) = f + N f ( + 1)2 = f 2 + 2 f + N f ( + 1)3 = f 3 + 3 f 2 + 3 f + N f ( + 1)4 = f 4 + 4 f 3 + 6 f 2 + 4 f + N Media Moda Desviacin tpica

Primer Coeficiente =

3(Media Mediana) Segundo Coeficiente = Desviacin tpica

Bloque V Series en el tiempo


Definicin: una serie en el tiempo es un conjunto de observaciones tomadas generalmente a intervalos iguales. Por ejemplo la produccin de una fbrica durante un cierto nmeros de aos, la cotizacin diaria al cierre burstil. Las temperaturas de cada hora para una ciudad, etc. Matemticamente una serie se define con los valores y1, y2, , yn de una variable y (temperatura, cotizacin, produccin, etc.), en tiempos t1, t2, ., tn. Se dice entonces que y es funcin de t y = Ft Movimientos caractersticos de series en el tiempo 1) Movimientos a largo plazo o seculares: se redefine a la direccin que toma el grfico en un largo perodo de tiempo y se indica por una curva de tendencia con trazo discontinuo. 2) Movimientos caractersticos o variaciones cclicas: se refiere a oscilaciones entorno a una recta o curva de tendencia. Estos ciclos pueden ser peridicos o no, es decir, pueden seguir o no esquemas repetidos en intervalos iguales de tiempo. En actividades financieras los movimientos se consideran cclicos solo si son recurrentes en perodo de la menos un ao. Un ejemplo son los llamados ciclos econmicos, que representan intervalos de prosperidad, recesin, depresin y recuperacin. 3) Movimientos estacionales o variaciones estacionales: se refieren a los esquemas idnticos o casi idnticos que una serie en el tiempo parece seguir durante meses correspondientes en aos sucesivos. Estos se deben a sucesos recurrentes que tienen lugar
ISFD Divino Salvador IP-31 - Profesorado de Matemtica Miguel A. Lavens 11

Probabilidad y Estadstica 2 Ao

anualmente, por ejemplo el aumento de precios al consumidor antes de la navidad. actualmente se admiten intervalos cualesquiera de periodicidad (das, horas o semanas), segn el tipo de datos disponibles. 4) Movimientos irregulares o aleatorios: se refieren a movimientos espordicos de la serie en el tiempo debido a sucesos de azar, tales como inundaciones, huelgas, elecciones, etc. Si bien tales sucesos producen variaciones que pierden su influencia tras poco tiempo, cabe la posibilidad de que sean tan intensos que den lugar a nuevos movimientos cclicos. Anlisis de series en el tiempo Consiste en describir los movimientos correspondientes que estn presentes y y y

a) tendencia a largo plazo

b) tendencia a largo plazo y movimiento cclico

c) tendencia a largo plazo y movimientos cclicos estacionales

La figura a) es el grfico de una recta de tendencia a largo trmino o secular. La figura b) es la recta de tendencia con un movimiento cclico aadido (que se supone peridico). La figura c) muestra un movimiento estacional aadido al anterior con un movimiento irregular o aleatorio. La serie en el tiempo tiene por variable y y el producto de varias variables T, C, S, I que producen los movimientos de tendencia, cclicos, estacionales e irregulares respectivamente. y = T xC x S x I Promedios mviles: Dado un conjunto de nmeros y1, y2, ., yn definimos un promedio mvil como la sucesin de medias aritmticas. y1 + y2
+

. + yn

y2 + y3

. + yn+1 N

y3 + y4

. + yn+2 N

, ..

Promedio Mvil Ponderado de orden N Si se usan medias aritmticas ponderadas en la sucesin, con pesos especificados de antemano, esta pasa a llamarse promedio mvil ponderado de orden N. Nmeros ndice Un nmero ndice es una medida estadstica diseada para poner de relieve cambio en una variable o en grupos de variables relacionadas con respecto al tiempo, situacin geogrfica, ingresos, o cualquier otra caracterstica. Una coleccin de nmeros ndice para diferentes aos, lugares, etc., se llama una serie de ndices.

ISFD Divino Salvador IP-31 - Profesorado de Matemtica

Miguel A. Lavens

12

Probabilidad y Estadstica 2 Ao

Aplicaciones: Los nmeros ndices se usan para hacer comparaciones. Por ejemplo podemos comparar los costos de alimentacin o de otros servicios en una ciudad durante un ao con los del ao anterior, o la produccin de un determinado artculo en un ao, en una zona del pas con la de otra zona. Aunque se usa principalmente en economa e industria, son aplicables en muchos otros campos. En educacin por ejemplo, se pueden usar los nmeros ndices para comparar la inteligencia relativa de estudiantes en sitios diferentes o en aos diferentes. Muchos gobiernos y agencias privadas se ocupan de elaborar ndices, con el propsito de predecir condiciones econmicas o industriales, tales como ndices de pago, de produccin, salariales y otros. El ms conocido es el ndice de costo de vida o ndices de precios al consumo que prepara el INDEC (ndice Nacional de Estadsticas y Censos). Relaciones de Precios El ejemplo ms simple de un nmero de ndice es la relacin de precios, que es el cociente entre el precio de un artculo en un perodo dado y su precio en otro perodo, conocido como perodo base o perodo de referencia. Relacin de precios = Pn Po Precio en un perodo dado Precio en un perodo base

El mtodo de agregacin simple En este mtodo expresamos el precio total de los artculos en el ao dado como porcentaje del precio total de los artculos en el ao base. ndice de precios por = agregacin simple Pn Po

Pn = sumatoria de precios de los artculos en el ao dado Po = sumatoria de precios de los artculos en el ao base Este mtodo tiene dos desventajas 1) No tiene en cuenta la importancia relativa de los diversos artculos, por ejemplo asigna igual peso a la leche que a la crema de afeitar, a la hora de calcular el ndice de precios al consumidor. 2) Las unidades utilizadas son muy distintas entre s (kgrs., lts., etc.) Mtodo del Promedio simple de relaciones Utilizando la media aritmtica para este mtodo tendremos Pn Po N N Pn Po Suma de todas las relaciones de precios de los artculos Nmero de relaciones
Miguel A. Lavens 13

ndice promedio simple de relaciones

ISFD Divino Salvador IP-31 - Profesorado de Matemtica

Probabilidad y Estadstica 2 Ao

Mtodo de Agregacin Ponderada En ste mtodo asignamos un peso al precio de cada artculo en general, la cantidad vendida durante el ao base, durante el ao dado, o durante el ao tpico (que puede ser un promedio de varios aos). Utilizaremos las siguientes abreviaturas: Po, Pn, Pt Qo, Qn, Qt. Po y Qo = Precios y cantidades en el ao dado Pn y Qn = Precios y cantidades en el ao base Pt y Qt = Precios y cantidades en el ao tpico 1.- ndice de Laspeyres L = Pn Qo Po Qo

ndice de precios por agregacin ponderada, pesos de cantidad en el ao base 2.- ndice de Paasche Pn Qn P = Po Qn Pesos de cantidad en el ao dado 3.- ndice Ideal de Fisher Pn Qo Pn Qn Po Qo Po Qn Este ndice es la media geomtrica de los nmeros ndices de Laspeyres y Paasche. 4.- ndice de Marshall Edgeworth ME = Pn (Qo +Qn) Po (Qo +Qn)

5.- Media ponderada de relaciones de precios La formula usando pesos del ao base es la siguiente MAP = Pn Qn Po Qo

ISFD Divino Salvador IP-31 - Profesorado de Matemtica

Miguel A. Lavens

14