1

INTRODUCCIÓN
• 1.- Estadística: concepto, contenido y relaciones
• 2.- Fases de la investigación estadística.
• 2.1.- Análisis descriptivo.
• 2.2.- Modelización
• 2.3.-Inferencia.
• 3.- Tipo de datos estadísticos
• 3.1.-Según la naturaleza
• 3.1.1.- Causales o determinísticos.
• 3.1.2.- Aleatorios.
• 3.1.2.1.- Con repetición
• 3.1.2.2.- Sin regularidad estadística.


2
INTRODUCCIÓN
• 3.2.- Descripción numérica.
• 3.2.1.- Cualitativas
• 3.2.2.- Ordinales
• 3.2.3.- Cuantitativas.
• 3.3.- Según las características observadas.
• 3.3.1.- Multidimensionales
• 3.3.2.- Unidimensionales
• 3.4.-Según el período de tiempo.
• 3.4.1.- Atemporales.
• 3.2.4.- Temporales o cronológicas.
• 4.- Fuentes Estadísticas.
• 5.- Representación gráfica.


3
ANÁLISIS DE DATOS UNIDIMENSIONALES
• 1.-Medidas de posición.
• 1.1.-Media. Propiedades
• 1.2.-Mediana.
• 1.2.1.-Datos sin agrupar.
• 1.2.2.- Datos agrupados.
• 1.3 Cuartiles, deciles, centiles.
• 1.4.-Moda
• 1.4.1.- Datos sin agrupar
• 1.4.2.- Datos agrupados en intervalos.
• 1.4.2.1.- Intervalos de la misma amplitud
• 1.4.2.2.- Intervalos de distinta amplitud

4
ANÁLISIS DE DATOS UNIDIMENSIONALES
• 2.- Medidas de dispersión.
• 2.1.- Varianza, desviación típica y cuasivarianza.
• 2.2.-Coeficiente de variación.
• 3.- Medidas de forma.
• 3.1.- Coeficiente de Asimetría
• 3.2.-Coeficiente de Curtosis.
• 4.-Variables tipificadas.
• 5.- Medidas de concentración
• 5.1.-Índice de Gini.
• 5.2.- Curva de Lorenz

5
ANÁLISIS DE DATOS
MULTIDIMENSIONALES
• 1.- Representación de datos
multidimensionales
• 2.- Distribuciones conjuntas, marginales
y condicionadas. Independencia
estadística.
• 3.- Vector de valores medios y matriz de
varianzas-covarianzas.
• 4.- Coeficiente de correlación.
• 5.- Asociación y concordancia.

6
REGRESIÓN
• 1.- Regresión mínimo cuadrática. El caso lineal
• 1.1 Obtención del los parámetros a y b
• 1.2 Recta de regresión mínimo-cuadrática
• 1.3 Media y varianza de la variable regresión.
• 1.4 La variable error o residuo. Media y varianza
• 1.5 Incorrelación entre la variable regresión y residuo

• 2. Análisis de la bondad de un ajuste.
• 2.1 ECM
• 2.2 Coeficiente de determinación.


7
TASAS DE VARIACIÓN Y NÚMEROS
ÍNDICE
• 1. Tasas de variación.
• 2. Números Índice: clasificación.
• 3. Índices de precios y cantidades.
• 4. Cambio de base, renovación y enlace.
• 5. Deflactación de series económicas.

8
TASAS DE VARIACIÓN Y NÚMEROS
ÍNDICE


VARIACIÓN ABSOLUTA


1 t t t
Y Y Y
÷
TASA DE VARIACIÓN
RELATIVA
1 t
t
.
t
Y
Y
Y
÷
9
TASAS DE VARIACIÓN Y NÚMEROS
ÍNDICE


TASA MEDIA DE VARIACIÓN


TASA MEDIA ANUAL
ACUMULATIVA
1
Y
Y
) 1 ( T
0
1
1
÷ =
1
Y
Y
T n
1 t
t
m
÷ =
÷
10
CLASIFICACIÓN NÚMEROS INDICE
• SIMPLES



• COMPLEJOS
NO PONDERADOS
PONDERADOS
11
CLASIFICACIÓN NÚMEROS INDICE




COMPLEJOS
NO PONDERADOS
MEDIA
ARITMÉTICA
SIMPLE
MEDIA
AGREGATIVA
SIMPLE
12
CLASIFICACIÓN NÚMEROS INDICE




COMPLEJOS
PONDERADOS
MEDIA
ARITMÉTICA
PONDERADA
MEDIA
AGREGATIVA
PONDERADA
13
CLASIFICACIÓN NÚMEROS INDICE
I NDICE PRECIOS
CANTIDADES
SIMPLE
SAUERBERCK
Media
aritmètica
BRADSTREET-
DUDOT(media
agregativa)
LASPEYRES
(media
agregativa
ponderada)
PAASCHE
(media
agregativa
ponderada
14
Alumnado universitario en España. 1960-1999.

Curso Alumnos Índice Tasa de variación anual
1959-60 170.602 100, 1,3%
1960-61 178.062 104,4 4,4%
1961-62 189.982 111,4 6,7%
1962-63 197.849 116,0 4,1%
1963-64 221.411 129,8 11,9%
1964-65 243.541 142,8 10,0%
1965-66 272.772 159,9 12,0%
1966-67 295.879 173,4 8,5%
1967-68 318.235 186,5 7,6%
1968-69 336.628 197,3 5,8%
1969-70 346.027 202,8 2,8%
1970-71 356.956 209,2 3,2%
1971-72 390.559 228,9 9,4%
1972-73 437.908 256,7 12,1%
1973-74 440.196 258,0 0,5%


15
Cuadro 1: Alumnado universitario en España.
1960-1999.
Curso Alumnos Índice Tasa de variación anual
1974-75 468.526 274,6 6,4%
1975-76 539.022 316,0 15,0%
1976-77 590.192 345,9 9,5%
1977-78 689.971 404,4 16,9%
1978-79 673.528 394,8 -2,4%
1979-80 657.447 385,4 -2,4%
1980-81 649.098 380,5 -1,3%
1981-82 669.848 392,6 3,2%
1982-83 692.152 405,7 3,3%
1983-84 744.115 436,2 7,5%
1984-85 788.168 462,0 5,9%
1985-86 854.104 500,6 8,4%
1986-87 902.284 528,9 5,6%
1987-88 969.412 568,2 7,4%
1988-89 1.027.018 602,0 5,9%
1989-90 1.093.086 640,7 6,4%

16
Cuadro 1: Alumnado universitario en España.
1960-1999.
Curso Alumnos Índice Tasa de
variación anual
1990-91 1.140.572 668,6 4,3%
1991-92 1.209.108 708,7 6,0%
1992-93 1.291.996 757,3 6,9%
1993-94 1.358.616 796,4 5,2%
1994-95 1.445.322 847,2 6,4%
1995-96 1.505.611 882,5 4,2%
1996-97 1.551.969 909,7 3,1%
1997-98 1.568.752 919,5 1,1%
1998-99 1.583.297 928,1 0,9%

Fuente: Hasta 1991-92, Anuario de Estadística Universitaria
1993/1994. Desde 1992-93 hasta 1996-97,
Estadística Universitaria del curso 1996-97 (Datos provisionales).
Desde 1997-98 hasta 1998-99, Web
del Instituto Nacional de Estadística.


17
SERIES TEMPORALES
• 1. Definición de serie temporal
• 2.Componentes de una serie temporal
• 2.1 Tendencia
• 2.2 Estacionalidad
• 2.3 Ciclo
• 2.4 Variaciones irregulares
• 3. Análisis de la tendencia
• 3.1 M.C.O
• 3.2 Cambio de origen de una ecuación de tendencia.
• 3.3 Cambio de base de una ecuación de tendencia
• 4. Desestacionalización

18



1. Incertidumbre y probabilidad.
1.1 Experimentos y sucesos aleatorios

1.2 Noción de probabilidad:
1.2.1 Probabilidad de Laplace o Clásica
1.2.2 probabilidad frecuencial
1.2.3 Probabilidad axiomática

1.3 Probabilidad condicionada e independencia de sucesos

1.4 Teorema de la Probabilidad total

1.5 Teorema de Bayes

MODELOS DE PROBABILIAD UNIVARIANTES
19
MODELOS DE PROBABILIAD UNIVARIANTES



2.Definición de variable aleatoria
2.1 Variable aleatoria discreta
2.2 Variable aleatoria continua

3. Distribuciones discretas y continuas
3.1 Función de cuantía
3.2 Función de densidad
3.3 Función de distribución

4. Esperanza y varianza

5. Desigualdad de Chebychev

6. Función característica.

20
MODELOS DE PROBABILIAD UNIVARIANTES




PROBABILIDAD AXIOMÁTICA
A.1 0sP(A) s1
A.2 P(O)=1
A.3 P(A
i
)=EP(A
i
)

T.1 P( )=1-P(A)
T.2 P(C)=0
T.3 AcB¬P(A)sP(B)
T.4 P(A B)=P(A)+P(B)-P(A·B)
T.5 P(A·B)=P(A)P(B)
T.6 P(A/B)= P(A·B)/P(B)
_
A
21
MODELOS DE PROBABILIDAD UNIVARIANTES
• Teorema de la Intersección

• P(A·B)=P(A/B).P(B)
P(B/A).P(A)
Si A y B son independientes
P(A·B)= P(A).P(B)


22
MODELOS DE PROBABILIDAD UNIVARIANTES
• Teorema de la probabilidad total

• Sea A
1
,A
2,
...,A
n
cO donde A
i
son
disjuntos.
• Sea BcO¬P(B)=EP(B/A
i
).P(A
i
)


23
MODELOS DE PROBABILIDAD UNIVARIANTES
• Teorema de Bayes
• Sea A
1
,A
2,
...,A
n
cO donde A
i
son disjuntos.
• Sea BcO
• Se conoce P(B/A
i
)

• P(A
i
/B)=P(A
i
·B)/P(B)=
• =P(B/A
i
).P(A
i
)/EP(B/A
i
).P(A
i
)






24
MODELOS ESPECÍFICOS UNIVARIANTES
• 1.-Bernouilli
• 2.- Binomial
• 3.-Poisson
• 4.-Uniforme
• 5.-Exponencial
• 6.-Normal
• 7.-Convergència: -Binomial –Poisson
» Poisson-Normal





25
Modelos especificos univariantes
Bernouilli
26
Modelos específicos univariantes
27
Modelos específicos univariantes
28
Simeon Poisson 1781-1840
más
sobre
Poisson
Haz clic
29
Modelos específicos univariantes
Uniforme
30
Modelos específicos univariantes
31
Modelos específicos univariantes
Normal
32
Carl Fiedrich Gauss 1777-1855
Más imágenes de Gauss
Más sobre Gauss
33

Modelos Multivariantes
• 1. Vectores aleatorios y distribuciones de
probabilidad bidimensionales.
• 2. Distribución conjunta. Funciones de distribución,
de probabilidad o de cuantía y de densidad.
• 3. Distribuciones marginales.
• 4. Distribuciones condicionadas. Independencia
estocástica.
• 5. Vector de valores medios y matriz de varianzas-
covarianzas. Propiedades. El coeficiente de
correlación.
• 6. Extensión multidimensional y notación matricial.
• 7. Transformaciones lineales.

34
Modelos Multivariantes
Específicos
• 1. La distribución multinomial.
• 2. La distribución normal multivariante.
• 2.1 Estudio del caso bidimensional:
distribución conjunta, marginal y condicionada.
• 2.2 Independencia
• 2.3 Incorrelación
• 2.4 Transformaciones lineales.
• 3. Distribuciones derivadas de la Normal
• 4. Reproductividad de algunas distribuciones.

35
Distribución Multinomial


k 1
x ,..., x x =







k 1
x
k
x
1
k 1
p ... p
! x !... x
! n
) x ( P =

n pruebas ; k resultados
( )
j i j i
i i i
i i
p np ) X , X ( Cov
) p 1 ( np ) X ( V
np X E
÷ =
÷ =
=
36
Distribución Binormal


( )
2 1
x , x x =







|
.
|

\
|
o o
o o
=
|
|
.
|

\
|
µ
µ
= µ
µ ÷
÷
2
2 12
12
2
1
2
1
v
) v , N( X
General
N(0,1) X
Reducida




37
Distribución Binormal

• Distribuciones Marginales







•Distribuciones condicionadas
) , ( N x
) , ( N x
2
2 2 2
2
1 1 1
o µ ÷
o µ ÷
(
¸
(

¸

µ ÷ o µ ÷
o
o
+ µ ÷
(
¸
(

¸

µ ÷ o µ ÷
o
o
+ µ ÷
) 1 ( ); x ( N x / x
) 1 ( ); x ( N x / x
2 2
2 1 1
2
1
12
2 1 2
2 2
1 2 2
2
2
12
1 2 1
38
Distribución Binormal
• Transformaciones lineales de variables normales
• 1)








•2)X
1
, X
2
son variables
Normales

) AVA ; b A ( N Y b X A Y
) v ; ( N X
'


   


+ µ ÷ ¬ + =
µ ÷
X
1
~N(µ
1,
o
2
1
) X
2
~N(µ
2,
o
2
2
)

Distribución de Y=X
1
+X
2
a) Si X
1
e X
2
son independientes
b) Si X
1
e X
2
no son independientes



x

Sign up to vote on this title
UsefulNot useful