INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

Tamaño: px
Comenzar la demostración a partir de la página:

Download "INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS"

Transcripción

1 Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00

2 ÍNDICE INTRODUCCIÓN: Qué es...? Qué es ua varable? Qué es la estadístca descrptva? Cuál es el ámbto de la estadístca descrptva e el aálss ecoómco? Qué so la poblacó y la muestra? 4 Qué es u parámetro? Qué es u estadístco? 4 Qué es ua muestra aleatora? 6 Estructura del lbro. 7 CAPÍTULO I. Descrpcó de Varables Cualtatvas. 7 Varables cualtatvas omales y ordales. 8 Dstrbucó de frecuecas. Frecueca relatva y frecueca relatva acumulada. Dagrama de barras. Moda. 4 Medaa. 5 Pctograma. 6 Dagrama de Pareto. 9 CAPÍTULO II. Dstrbucó de Frecuecas e Hstograma. 9 Escala de tervalo y de cocete. 9 Varables dscretas y cotuas. 9 Dstrbucó de frecuecas. Dagrama de barras. 3 Hstograma. 6 Cómo trabajar co los hstogramas. 35 CAPÍTULO III. Estadístcos Descrptvos de ua Varable Cuattatva. 35 Meddas de poscó cetral. 35 Moda y medaa.

3 36 Meda artmétca. 38 Propedades de la meda. 38 Meda poderada. 40 Meda poderada y muestreos complejos. 43 Represetatvdad de la meda. 43 Meda cortada (trmmed mea). 45 Meda geométrca. 48 Utlzacó de la meda, moda y medaa para detectar la asmetría de ua dstrbucó. 5 Cuartles, decles y percetles. 57 Meddas de dspersó: rago, rago tercuartílco, varaza, desvacó estádar, coefcete de varacó. 58 Dscusó y propedades de la varaza, desvacó estádar y coefcete de varacó. 76 Relacó etre la meda y la desvacó estádar: Desgualdad de Chebychev. 79 El Dagrama de caja. 8 Dagrama de caja. Ayudas para su terpretacó. 89 Meddas de asmetría y curtoss. 89 Medda de asmetría de Fsher. 9 Medda de asmetría de Pearso. 9 Medda de aputameto o curtoss. 0 CAPÍTULO IV. Aálss Bvarate de Varables Cualtatvas. 0 Dstrbucó cojuta de varables. Tabla de cotgeca. 08 Ch-cuadrado y C de cotgeca. 3 Lambda. 9 Gamma, Tau-b y Tau-c. 33 CAPÍTULO V. El Coefcete de Correlacó. 33 Asocacó leal etre dos varables. 34 Asocacó leal postva o egatva. 37 Estadístco de covaraza. 44 Propedades de la covaraza. 45 Coefcete de correlacó leal. 48 Propedades del coefcete de correlacó. 48 Matrz de correlacoes. 49 Alguos errores e la terpretacó del coefcete de correlacó. 53 El coefcete de correlacó de ragos de Spearma.

4 77 CAPÍTULO VI. Ajuste de ua Recta. 79 De la propuesta de causaldad a la recta de regresó. 8 Obtecó de a y b por mímos cuadrados ordaros. 86 Dervacó de las expresoes de mco para a y b. 89 Ejemplos de cálculo de la recta de regresó. 95 Ajustes o leales. 96 Sempre es posble u bue ajuste? 98 Alguas propedades del error del ajuste. 98 Medda de bodad del ajuste: Coefcete de determacó R. 0 Límtes del coefcete de determacó. 04 Aálss gráfco de los errores del ajuste. 05 Exste algua relacó etre el coefcete de correlacó y el coefcete de determacó? 05 Dos ejemplos umércos sobre el coefcete de determacó. 3 BIBLIOGRAFÍA.

5 INTRODUCCIÓN: Qué es...? Qué es ua varable? E estadístca, como e matemátcas o ecoomía, se emplea el cocepto de varable para referros a cualquer característca, que toma valores dferetes e u cojuto de observacoes. E ecoomía, por ejemplo, defmos la reta como ua varable. Al hacerlo podemos estar pesado e los gresos auales de las famlas de ua regó, e la que cada famla tedrá u volume de gresos dstto. També podemos pesar e los gresos agregados de la regó, meddos a lo largo del tempo (cada trmestre o cada año), y cosderar que la regó es el dvduo sobre el que se mde la varable. Las dos terpretacoes del cocepto de reta que aputamos so correctas, utlzádose e ámbtos dsttos. Lo que es esecal e su defcó es la posbldad de medr el vel de gresos de ua maera sstemátca (sea para u cojuto de famlas e u mometo del tempo, sea para u úco dvduo, famla o regó a lo largo de u perodo), obteedo observacoes de ua catdad varable. E el caso de la reta estamos cosderado ua varable de tpo cuattatvo. Hablamos de ua varable cuattatva cuado la característca que se mde toma valores umércos. Muchas de las varables ecoómcas so de este tpo, pero també hay varables ecoómcas de tpo cualtatvo. Etedemos por varable cualtatva aquella que toma valores o umércos. La característca que se mde e el dvduo sería, e este caso, ua cualdad (u atrbuto) del msmo. Por ejemplo, la dstcó de los cosumdores por sexo, el tpo de famla (su composcó), el vel de estudos o la categoría profesoal so varables de tpo cualtatvo que forma parte de los aálss de los patroes de cosumo. La perteeca a u sector dustral cocreto, el tpo de mercado (acoal o teracoal) e el que se opera, la exsteca de barreras de etrada so característcas que se estuda e ecoomía dustral. La dstcó etre varables cuattatvas y cualtatvas es mportate desde el puto de vsta estadístco porque las téccas que puede emplearse e uo u otro caso so dferetes.

6 Qué es la estadístca descrptva? Cuál es el ámbto de la estadístca descrptva e el aálss ecoómco? La estadístca descrptva es u cojuto de métodos cuyo objetvo es ordear las observacoes, resumr la formacó dspoble y obteer las meddas cuattatvas que descrbe sus característcas. La descrpcó es cuattatva y pretede ser lo más stétca posble. La teoría ecoómca se suele teresar por varables ecoómcas e u vel alto de abstraccó. Los campos de la macroecoomía y mcroecoomía, la ecoomía del cosumo y ecoomía de la produccó, la ecoomía facera, etc. toma como refereca agetes ecoómcos, sobre los que se defe modelos de comportameto. Estos agetes, defdos como referecas abstractas tee, s embargo, su coexó co la realdad ecoómca. El ámbto de la estadístca se aplca a esos dvduos reales, estudado varables como el gasto famlar, los beefcos empresarales o el ídce de paro de u país. Las téccas estadístcas també se aplca al cotrol de caldad de la produccó, a la gestó de carteras de accoes, etc., campos de meor abstraccó, e los que las varables a estudar puede ser ta cocretas como la produccó dara de ua máqua o el preco de ua accó. E cualquera de los campos e los que se aplque, la estadístca descrptva pretede ayudar a platear y resolver los problemas de la ecoomía. Qué so la poblacó y la muestra? Al cojuto de dvduos objetvo del aálss se le deoma poblacó. Ua muestra es ua parte de la poblacó. Cuado se trabaja co ua muestra las coclusoes que se obtee debe restrgrse, calmete, a ésta. Extraer coclusoes más geerales, aplcables a toda la poblacó, sólo puede hacerse de ua maera lmtada, sedo ecesaro etre otras cosas que la muestra sea represetatva y que la geeralzacó de las coclusoes se haga de ua forma prudete y rgurosa. Las téccas de la estadístca ferecal faclta esa geeralzacó desde la muestra a la poblacó. Las téccas descrptvas se puede aplcar a toda la poblacó, s esta se cooce, o a ua muestra. E el caso de dspoer úcamete de formacó muestral se deberá aplcar las téccas de la estadístca ferecal s se quere geeralzar las coclusoes obtedas.

7 El trabajo co muestras es usual es ecoomía. Uo de los ejemplos más coocdos para justfcar el uso de las muestras se ecuetra e el terreo del cotrol de caldad. Ua empresa dedcada a la produccó de bombllas, las habrá dseñado garatzado u tempo de vda determado. Ates de servr su producto la empresa deseará comprobar la fabldad real de su oferta realzado algú tpo de prueba, pero obvamete esto o lo podrá hacer co toda la produccó, puesto que la destruría. Ua muestra represetatva permtrá a la empresa comprobar el tempo de duracó real de sus bombllas. Ejemplos de stuacoes smlares o so dfícles de ecotrar. Pese, por ejemplo, e las empresas de audtoría cotable cuado accede a la formacó de ua empresa. S la empresa audtora se vera oblgada a segur cada ua de los procesos de la empresa (desde el prmer movmeto cotable al archvo de la últma factura) se vería metda e ua labor abordable. La seleccó, al azar, de ua muestra de alguos movmetos cotables puede ser sufcete para verfcar la correccó de la toda la gestó. La ecesdad de trabajar co muestras respode e muchas ocasoes a u ahorro e los costes de obtecó de la formacó. S puede obteerse formacó esecal y geeralzable a partr de ua muestra o será precso acceder a toda la poblacó. E ocasoes, el recurrr a las muestras o obedece a ua cuestó de costes, so a la mposbldad de acceder a todas las observacoes. Esta stuacó es frecuete e ecoomía cuado se recoge la evolucó temporal del valor de ua varable. Alguos modelos ecoómcos cosdera que, e u mometo del tempo, la poblacó de terés so todos los valores posbles que puede tomar ua observacó. Por ejemplo, mage que está sguedo la evolucó dara del preco de ua accó e u mercado bursátl a lo largo de u año. Cada día usted observará el preco de la accó a la hora del cerre de la sesó de bolsa, de maera que s el mercado abre durate doscetos días, dspodrá de doscetos precos. Respecto al año, ese cojuto de doscetas observacoes, se cosdera ua poblacó o ua muestra del preco de la accó? Se dspoe de todos los precos de cerre observados a lo largo del año, pero o de todos los precos que ha tomado la accó. E u día cocreto, el preco de la accó puede tomar dsttos valores y es hasta certo puto ua cuestó de azar el que a la hora del cerre se observe u preco determado. Las doscetas observacoes puede etederse como ua muestra de todos los precos que puede haber tomado la accó (que defría la poblacó). E este caso, los posbles valores de ua varable e u mometo del tempo defría la poblacó, el valor observado se cosderaría ua realzacó muestral.

8 El empleo de formacó muestral obedece a veces a la mposbldad de observar toda la poblacó. Qué es u parámetro? Qué es u estadístco? Cuado queremos eteder lo que ocurre co uos datos, lo más adecuado es resumr los valores dvduales. Estaremos teresados e coocer cuál es el valor represetatvo de u grupo o hasta qué puto las observacoes se aleja de ese valor. Cuado se está estudado ua poblacó, estas meddas que descrbe las característcas de los datos se deoma parámetros poblacoales. El valor medo de ua varable e ua poblacó sería u parámetro, també lo es la proporcó de dvduos de la poblacó que tee ua característca. La dscusó de alguos de estos parámetros es parte de la estadístca. E geeral, daremos el ombre de estadístco a cualquer fórmula aplcada e la formacó muestral. Muchos de los estadístcos que se utlza pretede ser estmacoes de los parámetros de la poblacó. S sólo dspoemos de ua muestra, podemos calcular el valor medo de las observacoes y supoer que esa meda muestral puede ser ua buea aproxmacó al valor del parámetro, la meda poblacoal. La relacó etre el parámetro y su estmacó e la muestra es parte esecal de la estadístca ferecal. No obstate, los térmos parámetro y estadístco so palabras de uso frecuete també e la estadístca descrptva. Qué es ua muestra aleatora? Para que las muestras sea útles debe ser represetatvas de la poblacó. Ua maera de garatzar la represetatvdad de ua muestra cosste e obteerla medate procedmetos aleatoros. Los muestreos aleatoros garatza la represetatvdad de la muestra al basarse e el azar. S se desea extraer ua muestra de ce observacoes de ua poblacó de ml dvduos, parece razoable seleccoar aleatoramete los ce dvduos etre toda la poblacó. La seleccó aleatora más seclla es el muestreo aleatoro smple (m.a.s.) E su dseño deal, el m.a.s. cosstría e asgar u úmero a cada uo de los elemetos de la poblacó y seleccoar al azar (co gual probabldad para cada úmero) el cojuto de dvduos que formará parte de

9 la muestra. Puede magar que este dseño deal, para ser operatvo ecesta e ocasoes de otros crteros que lo complemete (qué ocurre cuado la poblacó o puede umerarse, por ejemplo), pero queremos destacar ahora la dea de que medate dseños muestrales aleatoros se pretede cosegur muestras lo más represetatvas posbles de la poblacó. Los dseños de obtecó de las muestras so a veces más complejos que el muestreo aleatoro smple. S sabemos que ua poblacó se dstrbuye aproxmadamete gual etre los dos sexos, podría teresaros que ese porcetaje se matuvera e la muestra. Por azar, sería posble obteer ua muestra e la que la mayoría de los dvduos perteecera a uo de los dos sexos. U dseño muestral más rco podría dvdr la poblacó e dos (segú su sexo), realzado u m.a.s. e cada ua de las partes, es decr, seleccoado al azar la mtad de la muestra etre la poblacó mascula y la otra mtad etre la poblacó femea. El dseño ya o es puro azar, puesto que éste se sacrfca parcalmete para garatzar la máxma represetatvdad. La complejdad estadístca del dseño muestral puede aumetar rápdamete, cuado se mpoe más crteros. Lo que resulta esecal es que bajo dseños más o meos complejos, sempre aparece falmete u procedmeto de seleccó basado e el azar. El estudo y dseño de los dferetes tpos de muestreo es ua parte de la estadístca ferecal y o se dscute e este lbro. Sólo e u puto del aálss descrptvo se produce u cruce co la dea de poblacó y es cuado a cada dvduo de la muestra se le asoca u factor de elevacó poblacoal. El factor de elevacó poblacoal dca el úmero de dvduos de la poblacó a los que represeta cada uo de los dvduos de la muestra. Imagemos ua poblacó co 000 dvduos, de la cual se quere extraer ua muestra de dez observacoes. A cuátos dvduos de la poblacó represeta cada uo de los dvduos de la muestra? S se trata de u m.a.s., cada uo de los dvduos de la muestra ha tedo gual oportudad de ser elegdo y cada dvduo represetará a 000/000 dvduos e la poblacó. El factor de elevacó de cada elemeto de la muestra será gual a 00. El Isttuto Nacoal de Estadístca, por ejemplo, realza gra parte de su trabajo basádose e muestras, auque ofrece sus resultados al vel de la poblacó. Para ello utlza los factores de elevacó calculados prevamete (e fucó del partcular dseño muestral). S se quere descrbr la poblacó empleado la muestra, puede resultar útl emplear estos factores.

10 Estructura del lbro El lbro se estructura e ses capítulos. Los tres prmeros trata el aálss descrptvo de ua úca varable (aálss descrptvo uvarate): se dedca u corto capítulo al tratameto de varables cualtatvas y dos capítulos a las varables de tpo cuattatvo. Los capítulos sguetes se cetra e el aálss de las relacoes etre dos varables (relacoes bvarates). E el capítulo cuarto se estuda las relacoes bvarates etre varables cualtatvas, metras que el quto y sexto está dedcados a las relacoes bvarates etre varables cuattatvas. E cada capítulo los coceptos teórcos está acompañados de u úmero amplo de ejemplos.

11 CAPÍTULO I. Descrpcó de VARIABLES CUALITATIVAS E este capítulo se expoe las téccas más secllas que se utlza para descrbr ua varable cualtatva. Defremos las varables cualtatvas omales y ordales, los coceptos asocados a la dstrbucó de frecueca y los lmtados estadístcos que puede emplearse e la descrpcó. El capítulo se cerra co alguos de los procedmetos gráfcos empleados para represetar las dstrbucoes de estas varables. Varables cualtatvas omales y ordales. E ua ecuesta sobre el gasto turístco se preguta a los vstates de ua autoomía cuál es la mpresó que ha obtedo de su vaje. La preguta y las posbles respuestas so las sguetes: La mpresó que ha tedo de su vaje ha sdo: Muy buea. Buea. Normal. Mala. També se preguta cuál es la categoría soco-profesoal e la que se stúa el ecuestado: Su profesó es: Profesoal lberal. Drectvo o empresaro. Admstratvo. Trabajador maual. Trabajador Autóomo. Fucoaro. Jublado. Estudate Otras. Las aterores varables so de tpo cualtatvo, calfcádose como de tpo ordal (la prmera) y omal (la seguda). La dstcó etre ellas es clara. E la preguta sobre la mpresó del vaje, la respuesta muy buea dca u vel de satsfaccó mayor que buea, ésta últma respuesta estaría a su vez por ecma de ormal y mala señalaría e vel mímo de satsfaccó. Las respuestas puede, e algú setdo, ordearse de meos a más.

12 E cambo, o es posble ordear de meos a más las respuestas de ua varable como la categoría profesoal. Las varables cualtatvas omales úcamete poe ombre a ua característca, las varables ordales lleva asocadas u orde e las respuestas. Las categorías de ua varable omal, al cotraro de las de ua varable ordal, o puede ordearse de meos a más. Dstrbucó de frecuecas. Frecueca relatva y frecueca relatva acumulada. La prcpal herrameta de aálss de ua varable de tpo cualtatvo es el smple recueto del úmero de los casos detro de cada categoría. Además de referros a las categorías de ua varable, emplearemos també el térmo valores de la varable. Supogamos que teemos ua varable A, que puede tomar las categorías A, A,, A I. El prmer objetvo es coocer cuátos dvduos tee cada característca. La prcpal herrameta de aálss de ua varable de tpo cualtatvo es el smple recueto del úmero de los casos detro de cada categoría. E estadístca, el úmero de veces que se repte ua de las categorías o valores de la varable se deoma frecueca o, de maera más precsa, frecueca absoluta (que deotaremos ). Por dstrbucó de frecuecas se etede el regstro de todos las posbles categorías o valores de la varable, juto co sus frecuecas asocadas. Además de las frecuecas absolutas se suele presetar las frecuecas relatvas de cada categoría. La frecueca relatva se defe como la frecueca absoluta dvdda por el total de observacoes: f,, K, I Cuado se trabaja co ua varable de tpo ordal (cuyas categorías se puede ordear de meor a mayor) se puede calcular las frecuecas acumuladas. La dea de acumulacó faclta coocer rápdamete el úmero de observacoes que está por debajo de u determado valor o categoría. Se dstgue etre frecuecas acumuladas absolutas y relatvas. La frecueca absoluta acumulada se defe como:

13 N,,K I. j Y la frecueca relatva acumulada como: F j j j, N,, K I Recuerde que tee setdo hablar de valores acumulados cuado las respuestas de la varable se ha ordeado de meor a mayor, lo que sólo es posble s la varable cualtatva es de tpo ordal. La mage estádar de ua dstrbucó de frecuecas es ta seclla como la que se muestra e el cuadro. E la msma aparecería, para el total de observacoes, los I dsttos atrbutos de la varable, sus frecuecas absolutas, las frecuecas relatvas y las frecuecas relatvas acumuladas. Cuadro Dstrbucó de frecuecas Categorías Frecuecas Frecuecas Frecuecas Absolutas Relatvas Relatvas acumuladas A / / A / ( + ) / A I I I / ( + + I ) / Ejemplo. Régme de propedad de la vveda. El régme de propedad de la vveda famlar puede cosderarse como ua varable cualtatva, dstguedo tres posbles categorías: la vveda está e alquler, la vveda es de propedad co la hpoteca pedete o la vveda es de propedad s hpoteca. Ate ua muestra cocreta de famlas, podemos descrbr de ua maera cuattatva su relacó co la propedad de su vveda. E el cuadro se muestra la dstrbucó de frecuecas de ua muestra de 479 declarates de IRPF. Auque o es estrctamete ecesaro suele ser cómodo, cuado se graba los datos, covertr las categorías e etquetas umércas. E uestro ejemplo se ha defdo ua varable deomada vveda que toma u valor gual a 0 cuado la vveda es de alquler, gual a

14 cuado la vveda es de propedad pero tee la hpoteca aú vgete y valor, s la vveda es de propedad y s hpoteca. Cuadro VIVIENDA POSESIÓN VIVIENDA HABITUAL(0,,) Cum Value Label Value Frequecy Percet Percet Alquler ,8 36,8 Hpoteca vgete 960 0,0 56,9 Propedad , 00, Total ,0 Vald cases 479 Mssg cases 0 E el cuadro aparece los sguetes coceptos: Los valores que toma la varable (Value). Para esta varable los valores 0, y refleja las categorías de alquler, vveda co hpoteca vgete y vveda de propedad (e la columa Value Label se muestra las etquetas de la varable). La Frecueca absoluta (Frequecy). El úmero de dvduos que tee cada ua de las categorías. La frecueca relatva (Percet). Defda como el cocete etre la frecueca absoluta y el úmero total de observacoes. La frecueca relatva acumulada (Cum Percet). La frecueca relatva acumulada se defe como la suma acumulada de los porcetajes relatvos de las categorías aterores y hasta la propa categoría. La vveda e propedad y ya pagada, co u 43.% de los declarates tee el mayor porcetaje de dvduos. La seguda es la categoría de vveda e alquler, co u 36.8% de declarates. Falmete, la categoría co meos dvduos correspode a la de declarates que vve e vveda de propedad, aú o pagada. La mportaca de cada ua de las categorías es fácl de percbr cuado el úmero de categorías de la varable es muy pequeño.

15 Los porcetajes acumulados o tee ua terpretacó ocete cuado se trata varables de tpo cualtatvo. La formacó de que el 56.9% de los dvduos vve e régme de alquler o e vveda propa co hpoteca puede ser ua formacó s setdo. La frecueca relatva se defe como la frecueca e cada clase dvdda por el total de observacoes: f La frecueca relatva acumulada e cada clase se defe, ua vez ordeadas las respuestas desde la categoría feror a la superor, como: F j j E varables de tpo cualtatvo omal el porcetaje acumulado de frecuecas o debe leerse de maera automátca, puesto que al o exstr u orde e las categorías, el setdo de la acumulacó puede ser cofuso. N Dagrama de barras. Los resultados de la dstrbucó de frecuecas se puede acompañar de ayudas gráfcas que faclta la lectura de la formacó. El dagrama de barras represeta, para cada ua de las categorías de la varable (dcada e uo de los ejes de la gráfca), su frecueca absoluta o relatva (que se muestra e u segudo eje). Su objetvo es dspoer de ua vsualzacó clara y rápda de la mportaca de cada ua de las categorías de la varable. E la gráfca se muestra el dagrama de barras correspodete al ejemplo ateror. El dagrama de barras represeta gráfcamete las frecuecas (absolutas o relatvas) de la varable.

16 Gráfca 00 Gráfca de barras Frecueca POSESIÓN VIVIENDA (0Alquler,Hpoteca,Propedad) Moda. E el Ejemplo sobre el régme de propedad de la vveda uo de los resultados obtedos era que la categoría co u porcetaje mayor de dvduos era la (vveda e propedad s hpoteca). Esta percepcó putual puede covertrse e el prmer estadístco de resume, ya que saber cuál es la categoría más frecuete de ua varable dce algo del comportameto geeral del grupo de dvduos. Coocer el valor co mayor frecueca permte dspoer de ua medda stétca de cuál es la tedeca geeral de las observacoes. A este valor se le deoma moda de la dstrbucó. La moda de ua dstrbucó es el valor de la varable co mayor frecueca. E ocasoes, las dstrbucoes de frecuecas se puede caracterzar e fucó de la moda, dstguedo etre dstrbucoes co ua úca moda (dstrbucoes umodales) y dstrbucoes e las que so dos o más de dos los valores que alcaza la máxma frecueca (dstrbucoes bmodales o multmodales, respectvamete). Es dfícl ecotrar dstrbucoes empírcas que sea multmodales e el setdo estrcto e que aquí se ha defdo, es decr, que de maera exacta varos valores tega la msma frecueca. S embargo, resulta teresate detectar dstrbucoes e las que dos o más valores tee frecuecas más altas que los

17 demás. E la práctca estas dstrbucoes se deoma també multmodales. La explcacó de esta flexbldad puede ecotrarla e la comparacó de las gráfcas y 3. Ambas represeta dos dstrbucoes fctcas de ua varable que tomaría ocho categorías. E la prmera dstrbucó se observa ua doble moda, co las categorías A 3 y A 7 co superor e gual frecuecas absolutas. E la seguda dstrbucó la moda se ecuetra e la categoría A 3, pero resulta obvo que cualquer cometaro sobre la dstrbucó que gorase la categoría A 7 falsearía la mage de cojuto que se desea trasmtr. Hablar de ua dstrbucó bmodal, co ua prmera moda stuada e la categoría A 3 y ua seguda moda e la categoría A 7 resultaría ser u retrato más fel de las observacoes. Gráfca Frecuecas 0 0 A A A3 A4 A5 A6 A7 A8 Varable Cualtatva Gráfca Frecuecas 0 0 A A A3 A4 A5 A6 A7 A8 Varable Cualtatva

18 Medaa. E el caso de varables cualtatvas ordales la moda o es el úco estadístco co sgfcado. Puesto que e las varables ordales exste u setdo de orde e sus categorías, s éstas se ordea de meos a más, la dstrbucó de frecuecas acumuladas tedrá ua terpretacó. La medaa es aquella característca de la dstrbucó que ocupa la poscó cetral de la msma. Ordeados los valores de la varable (de meor a mayor), la medaa defe aquel puto que deja por debajo de sí msmo el 50% de la dstrbucó. Ordeados los valores de la varable (de meor a mayor) la medaa es aquel valor de la dstrbucó que ocupa el valor cetral de la msma. Ejemplo. Ivestgacó comercal de u uevo producto. Las empresas, ates de lazar u producto uevo, realza pruebas para medr su aceptacó. Ua práctca habtual es ofrecer ua muestra del producto a alguos cosumdores potecales. Ua ecuesta posteror permtrá coocer el vel de satsfaccó del cosumdor y las modfcacoes que podría resultar adecuadas. Supogamos que ua empresa productora de u abrllatador de muebles reparte de maera aleatora 36 udades de u uevo producto etre u úmero gual de posbles cosumdores, realzado después ua ecuesta sobre el vel de satsfaccó respecto al producto. E el cuadro 3 se reproducría los resultados obtedos. Cuadro 3 Value Label Vald Cum Value Frequecy Percet Percet Percet Nada satsfactoro 6,5,7,7 Poco satsfactoro 3 3, 3,9 6,6 Bastate satsfactoro ,7 43,0 59,6 Muy satsfactoro , 40,4 00,0 No lo ha probado 5 3 5,5 Mssg Total 36 00,0 00,0 La varable cualtatva preseta cuatro posbles respuestas, dcado cada ua de ellas el vel de satsfaccó del cosumdor. Exste ua quta opcó que recoge la categoría de aquellas persoas que falmete o ha empleado el producto y que, e este ocasó, se ha defdo como valores perddos (mssg). E los resultados del programa aparece dos columas de porcetajes. E la prmera, el total de observacoes (haya empleado o o el producto) se recoge como refereca para calcular las frecuecas. E la

19 seguda columa (vald percet) se calcula lo que se deoma porcetajes váldos, calculádose las frecuecas co refereca al úmero de dvduos que ha empleado el producto. Las característcas más relevates de la dstrbucó sería ua moda para la categoría de bastate satsfactoro (43% de las respuestas váldas) y u valor medao e la msma categoría, al acumularse detro de ella el 50% de cosumdores. Además, e los porcetajes acumulados puede leerse que sólo el 6,6% de los cosumdores cosdera el producto ada o poco satsfactoro. El dagrama de barras de la dstrbucó se represeta e la gráfca 4, aparecedo esta vez e el eje vertcal las frecuecas relatvas. Destaque de los resultados aterores el hecho de que la lectura de los porcetajes acumulados (y, por tato de la medaa) tee setdo al tratarse de ua varable cualtatva de tpo ordal. Gráfca 4 50 Gráfca de barras Porcetaje 0 0 Muy satsfactoro Bastate satsfact. Poco satsfactoro Nada satsfactoro Satsfaccó co respecto al producto Pctograma. Juto a los dagramas e barra es posble represetar la mportaca de cada ua de las categorías usado otro tpo de gráfcas. El pctograma o es más que u círculo e el que se represeta las categorías de la varable proporcoalmete a su frecueca. La regla de proporcoaldad se cosgue defedo los águlos proporcoalmete a las frecuecas. Así, ua categoría co ua frecueca relatva del 40.4% debería cubrr u águlo gual a E la gráfca 5 se represeta las frecuecas relatvas del ejemplo ateror por medo de u pctograma.

20 Gráfca 5 Frecuecas relatvas Nada satsfecho,7% Poco satsfecho 3,9% Muy satsfecho 40,4% Bastate satsfecho 43,0% Dagrama de Pareto. S se quere resaltar la dstrbucó de frecuecas acumuladas puede emplearse el deomado dagrama de Pareto. Éste o es más que u dagrama e barras e el que las categorías se ordea de mayor a meor frecueca, dbujado sobre las barras ua líea dcatva de la frecueca acumulada hasta esa categoría. La gráfca se puede realzar tato sobre varables omales como ordales. El dagrama de Pareto es u dagrama de barras e el que las categorías se ordea de mayor a meor frecueca, dbujado ua líea dcatva de la frecueca acumulada hasta esa categoría. Ejemplo 3. Cotrol de produccó. Ua empresa sufre cotuas paradas e su cadea de produccó. Dada la mportaca de las cosecuecas ecoómcas de estas paradas se decde cotrolar durate u mes cuáles so las razoes que las ocasoa. Para ello se solcta de los operaros que aote el tpo de percace y el tempo que tarda e arreglarse, desde que se detecta hasta que se solucoa el problema. Las causas detectadas (ses causas partculares a este proceso de produccó) así como su frecueca y el tempo de parada se reproduce e el cuadro 4.

21 Cuadro 4 Causa Frecueca Tempo de parada (e mutos) Rotura de torllos 0 70 Rotura de aradelas Rotura o bloqueo de ctas Rotura de aros de sujecó 0 5 Rotura de otras pezas 0 6 Desajustes de temperatura 53 E total, como cosecueca de 39 paradas, se ha perddo 04 mutos e u mes de trabajo. El tempo de parada y el úmero de paradas se puede aalzar a partr de los correspodetes dagramas de Pareto. E la gráfca 6 se observa que las tres causas más frecuetes de parada so la sexta, prmera y seguda, por este orde. Estas tres prmeras causas, tal como se observa e la líea cotua del dagrama, represeta u porcetaje alto del total de paradas, e cocreto u 79,5% de éstas, (+0+0)/39. E la gráfca 7 se puede observar, s embargo, que o todas las paradas tee gual mportaca e cuato al tempo de terrupcó. Las tres prmeras causas (prmera, sexta y tercera) supoe u 80,4% del tempo de parada, ( )/04. S el terés de la empresa se ecuetra e reducr al máxmo el tempo de parada (y o tato el úmero de veces e que la produccó se detee) debería cetrarse e los determates de la rotura de torllos, los desajustes de temperatura y la rotura o bloqueo de ctas. Gráfca Porcetaje 30 Número de paradas ,00 0,00 0,00 4 3,00 4,00 5, Causa de la parada

22 Gráfca Porcetaje Tempo de parada , ,00 4 3,00 0 4,00,00 5, Causa de la parada

23 CAPÍTULO II. Dstrbucó de frecuecas e hstograma Las varables de tpo cuattatvo so aquellas que toma, e lugar de categorías, valores umércos. Las categorías de las varables cualtatvas puede relacoarse co valores umércos, pero eso o las coverte e cuattatvas, puesto que el úmero, e su caso, o es más que ua etqueta, carecedo de setdo operar matemátcamete co ellos. Escala de tervalo y escala de cocete. Desde u puto de vsta teórco se dstgue etre varables cuattatvas meddas e escala de tervalo y e escala de cocete. Las varables cuattatvas tee ua escala de tervalo s se puede ordear sus valores y, además, se puede realzar co ellos las operacoes de suma y resta. La prmera característca la comparte co las varables cualtatvas ordales, pero al cotraro que e aquéllas, e la escala de tervalo puede medrse la dstaca etre dsttas observacoes. Permte afrmar, por ejemplo, que u dvduo tee u valor que supera e dez udades al que toma otro dvduo, o que etre dos dvduos hay ua dfereca de vete udades. Las varables co escala de cocete añade a estas característcas la de corporar u orge o arbtraro. La dfereca esecal es que este segudo tpo de varable admte u cero verdadero (toeladas cosumdas o úmero de empleados, por ejemplo, dode el cero se etede como exsteca) y permte el cálculo de proporcoes etre los dsttos valores (ua observacó toma u valor que es el doble que el de otra). Normalmete, desde el puto de vsta práctco, o sempre se realza ua dstcó etre ellas. Varables dscretas y cotuas. També se suele dstgur e la estadístca descrptva etre varables de tpo dscreto (s la varable toma u úmero fto o fto umerable de observacoes) y de tpo cotuo (fto o umerable). De uevo, desde el puto de vsta práctco esta dstcó o es mportate e muchas ocasoes. Dstrbucó de frecuecas. Dagrama de barras. La dea de recueto, es decr, la dea de crear ua dstrbucó de frecuecas debe ser, como e el caso de las varables cualtatvas, el prmer paso del aálss. Observar los dsttos valores que toma ua varable, ordearlos de meor a mayor y cotar el úmero de veces que aparece cada valor os dará ua dea de su comportameto. El úco problema que se platea co ua varable de tpo cuattatvo es que suele tomar u úmero de valores mucho mayor que las posbles categorías de ua

24 varable cualtatva. La mage geeral que se pretede dar co la dstrbucó de frecuecas puede ser etoces poco útl, porque la formacó está poco resumda. El trabajo co tervalos de la varable, e lugar de co cada uo de sus posbles valores, es el procedmeto ormal para cosegur ua mage stétca de la dstrbucó. Ejemplo. Dstrbucó de frecuecas del úmero de hjos. E este prmer ejemplo vamos a obteer la dstrbucó de frecuecas y el dagrama de barras del úmero de hjos de ua muestra de famlas españolas. La muestra de 54 famlas está formada por ua seleccó aleatora de declarates del IRPF que ya hemos aalzado aterormete. La dstrbucó de frecuecas para ua muestra de esta varable Número de hjos del hogar aparece e el cuadro y su represetacó e u dagrama e barras e la gráfca. Cuadro Número de hjos del hogar Cumulatve Cumulatve Nños Frequecy Percet Frequecy Percet Gráfca

25 Frecuecas absolutas Número de hjos del hogar El prmer resultado teresate de la dstrbucó es el dspoer de los valores que toma la varable, formacó que a pror o coocíamos. El úmero de hjos e la muestra toma úcamete valores 0,,, 3, 4, 5. Se trata de ua varable de tpo cuattatvo dscreta. Como e el caso de ua varable cualtatva podríamos detectar la moda y medaa de la dstrbucó. La moda correspode al valor 0, ya que el 44.8% de las famlas o tee gú hjo e el hogar. La medaa de la dstrbucó es el hjo úco, ya que es e el valor e dode se acumula el 50% de las observacoes. Se puede resaltar, además, la mportaca de los tres prmeros valores para descrbr el comportameto de la muestra: el 93.3% de las famlas tedría u úmero gual o feror a dos hjos. U problema dferete se efreta cuado la varable toma dversos valores umércos, pero co u úmero mayor de posbldades. Pesemos e la dstrbucó de la edad del perceptor prcpal de retas de ua famla (sustetador prcpal) e la msma muestra de declarates. E cocreto, s solctásemos la dstrbucó de frecuecas e ua muestra de 460 famlas, para la varable Edad del sustetador prcpal, os ecotraríamos ahora co la dstrbucó del cuadro º. Cuadro EDAD del sustetador prcpal Vald Cum Value Frequecy Percet Percet Percet 6,00,,, 7,00 4,3,3,3 8,00 3,9,9,

26 (Cotuacó Cuadro ) 9,00 9,6,6,8 0,00 0,4,4 3,,00 8,, 4,5,00 33,3,3 6,7 3,00 34,3,3 9,0 4,00 37,5,5,6 5,00 36,5,5 4,0 6,00 4,9,9 6,9 7,00 33,3,3 9, 8,00 3,,,3 9,00 33,3,3 3,6 30,00 3,, 5,8 3,00 7,8,8 7,6 3,00 34,3,3 9,9 33, , 3, 33,0 34,00 3,, 35, 35,00 3,, 37,3 36,00 3,, 39,5 37,00 6,8,8 4, 38,00 3,, 43,4 39,00 3,, 45,5 40,00 5,7,7 47, 4,00 34,3,3 49,5 4,00 7,8,8 5,4 43,00 34,3,3 53,7 44,00 3,, 55,8 45,00 40,7,7 58,6 46,00 3,, 60,8 47,00 35,4,4 63, 48,00 3,6,6 64,7 49,00 0,4,4 66, 50,00 8,9,9 68,0 5,00,8,8 68,8 5,00 34,3,3 7, 53,00 3,, 73,3 54,00 8,9,9 75, 55,00,4,4 76,6 56,00 5,7,7 78,4 57,00 30,, 80,4 58,00 38,6,6 83,0 59,00 5,7,7 84,7 60,00 5,0,0 85,8 6,00 5,0,0 86,8 6,00,8,8 87,6 63,00 8,, 88,8 64,00,8,8 89,6 65,00 7,, 90,8 66,00 4,0,0 9,7 67,00,8,8 9,5 68,00 0,4,4 93,9 69,00 0,7,7 94,6 70,00 9,6,6 95,

27 7,00 6,4,4 95,6 7,00 8,5,5 96, 73,00 5,3,3 96,5 74,00 7,5,5 97,0 75,00 8,5,5 97,5 76,00 4,3,3 97,8 77,00,, 97,9 78,00 5,3,3 98, 79,00 5,3,3 98,6 80,00 5,3,3 98,9 8,00 5,3,3 99, 8,00 5,3,3 99,6 83,00,, 99,7 84,00,, 99,7 85,00,, 99,8 86,00,, 99,9 87,00,, 99,9 88,00,, 00, Total ,0 00,0 Gráfca Frecuecas absolutas EDAD del sustetador prcpal La lectura de esta dstrbucó ya o resulta ta cómoda como cuado la varable toma u úmero escaso de valores. La creacó de la tabla sgue sedo ua ayuda para compreder el comportameto de la varable (moda, medaa, porcetajes acumulados hasta u determado valor), pero resulta algo más dfícl hacerse ua dea geeral de la dstrbucó. La represetacó gráfca del dagrama e barras (gráfca ) os ayuda a smplfcar la mage, pero també preseta u exceso de formacó. Uo de los prcpales objetvos de las

28 téccas estadístcas es facltar la compresó de la formacó umérca, sacrfcado volume de formacó (meor precsó) por ua mejor compresó de la msma (mayor efceca). Hstograma. Para tratar varables que toma gra catdad de valores el procedmeto usual es el de agrupar los valores e tervalos. Tomemos la varable edad del sustetador prcpal co la que hemos trabajado e el apartado ateror. De ua maera arbtrara, podemos pesar e crear tervalos de edad de 8 años: de los 6 a los 4 años, de los 4 a los 3, etc. E el cuadro 3 se recoge el resultado de esta agrupacó de la varable y e la gráfca 3, la represetacó correspodete de las frecuecas relatvas de cada tervalo. Auque ahora o dspoe de formacó sobre el úmero de dvduos de la muestra que tee ua edad cocreta, los rasgos geerales de la dstrbucó de la edad es más clara. Cuadro 3 Vald Cum EDAD Frequecy Percet Percet Percet 6 a 4 69,6,6,6 4 a ,4 8,4 9,9 3 a ,3 7,3 47, 40 a ,5 7,5 64,7 48 a ,6 3,6 78,4 56 a 64 64,, 89,6 64 a ,6 6,6 96, 7 a 80 40,7,7 98,9 80 a 88 6,, 00, Total ,0 00,0

29 Gráfca EDAD del sustetador prcpal La represetacó realzada para la varable Edad del sustetador prcpal se deoma hstograma. Auque se parece al dagrama de barras, se dfereca e que e el dagrama, la altura de la barra es proporcoal a la frecueca, metras que e el hstograma es el área del rectágulo la que es proporcoal a la frecueca. Formalmete puede establecerse otras dferecas etre el dagrama e barras y el hstograma. E el dagrama, cada barra represeta la frecueca de u atrbuto de la varable, metras que e u hstograma, cada uo de los rectágulos represeta las frecuecas de dversos valores de la varable (tervalos de valores). Además, debe teerse e cueta que e los hstogramas, cuado aparece u tervalo co frecueca cero, o se omte por ello su represetacó, metras que e u dagrama de barras o se cluye gú espaco para aquellos valores co frecueca ula. E el hstograma se represeta las frecuecas de la varable defda e tervalos. El área del rectágulo es proporcoal a la frecueca e el tervalo. El hstograma se costruye de maera que el área correspodete al rectágulo que se dbuja sobre el tervalo sea proporcoal a su frecueca. Carecería de setdo proceder como e el dagrama de barras. Puesto que los tervalos e los que se puede dvdr cualquer varable cotua so de ua

30 ampltud y úmero arbtraro, s dbujásemos barras co alturas proporcoales a las frecuecas para cada tervalo, los resultados sería absurdos. Hacedo el área proporcoal a la frecueca relatva para el tervalo - ésmo se tedrá: Area base * altura dode la base es la ampltud del tervalo y, por tato, la altura del rectágulo es gual a: altura base S u tervalo tee ua gra ampltud tederá e prcpo a ofrecer u mayor úmero de frecuecas, o obstate e el hstograma se segurá mateedo u área total proporcoal. La altura del rectágulo, de acuerdo co su defcó, se cooce como desdad de frecueca. Para detfcar cada tervalo se emplea e ocasoes sus putos medos, deomados marcas de clase: Límte superor del tervalo + Límte feror del tervalo marca de clase E muchos hstogramas es la marca de clase el valor que detfca los tervalos. E geeral, se emplea el hstograma: () cuado se trata de varables que cotee muchos valores dferetes; () cuado tee setdo costrur tervalos, agrupado valores adyacetes. Cómo trabajar co los hstogramas. El hstograma pretede facltar la compresó de la forma de la dstrbucó de la varable. Al estudar u hstograma se debe estar dspuesto a descubrr cuáles so los valores más frecuetes, los valores que ocurre co poca frecueca, la smetría o asmetría de la dstrbucó, su dspersó y forma. La moda y la medaa que utlzábamos para descrbr ua varable cualtatva puede usarse co la msma defcó sobre las varables

31 cuattatvas. La moda es el valor co mayor frecueca. La medaa es aquel valor que (ordeada la varable de meor a mayor) deja por debajo de sí msmo el 50% de las observacoes. Estos estadístcos puede calcularse sobre la dstrbucó orgal de la varable, auque puede ser recomedable obteer la moda y la medaa e los tervalos de la varable. Exste fórmulas para obteer la moda y la medaa a partr de la formacó agregada e tervalos, pero es també correcto detectar la moda y medaa e el propo tervalo y hablar, por ejemplo, del tervalo modal cuado e ua dstrbucó se detecta u tervalo co u área (ua frecueca) mayor que los restates. Uo de los problemas de los hstogramas es decdr co cuátos tervalos costrurlos y s los tervalos debe ser todos de la msma ampltud. Normalmete los hstogramas se costruye co tervalos de gual ampltud, de maera que o be se defe el úmero de tervalos y de ahí se deduce (a partr del rago de la varable) la ampltud de cada tervalo, o be se decde arbtraramete la ampltud del tervalo y luego se deduce el úmero de tervalos. Estas decsoes está sujetas a ua certa arbtraredad. Ua regla frecuetemete utlzada es la de defr tervalos de la msma ampltud, e u úmero gual al etero más próxmo a. Es ormal defr tervalos de dferete ampltud e las colas de la dstrbucó (valores superores e ferores de la dstrbucó), e dode además se suele emplear tervalos abertos. El tervalo feror se defe tomado los valores por debajo de ua catdad (meos de ) y el tervalo superor, por ecma de ua catdad (más de ). El propósto de estos tervalos abertos es evtar hstogramas e los que pese demasado la represetacó de los valores extremos, que puede estar muy alejados del comportameto comú. Ejemplo. Efecto del úmero de tervalos e la costruccó del hstograma. La decsó sobre el úmero de tervalos que debe tomarse para costrur u hstograma puede ser decsva para la compresó de la dstrbucó. Como ejemplo se ofrece e los gráfcos 4 a 7 cuatro hstogramas de la varable gresos famlares de ua muestra de famlas de la Ecuesta de Presupuestos Famlares (EPF-90). E la gráfca 4 se ofrece u hstograma basado e 7 tervalos (úmero seleccoado segú crteros formales por u programa formátco de estadístca), sedo la ampltud de cada tervalo de 0000 ptas. La gráfca 5 se basa e 0 tervalos (ampltud 54000), la gráfca 6 e 5 tervalos (ampltud 600) y, falmete, la gráfca 7 co 50 tervalos de ampltud gual a 0800, cada uo de ellos.

32 Gráfca 4 Gráfca Igresos percbdos. Muestra EPF Igresos percbdos. Muestra EPF Gráfca 6 Gráfca Igresos percbdos. Muestra EPF Igresos percbdos. Muestra EPF Observe que squera las gráfcas 4 y 6 (co 7 y 5 tervalos) proporcoa ua mage détca, detectádose ua moda más señalada e el prmer hstograma. E la gráfca 5 (co 0 tervalos) se recoge la mage básca de la dstrbucó, sedo cluso sufcete para captar las grades líeas de la msma, caracterzada por ser ua dstrbucó asmétrca haca la derecha. S embargo, s uo está teresado e detectar posbles modas y submodas (o modas relatvas) parecería más adecuado el hstograma basado e 50 tervalos. Cuado se trabaja co hstogramas, resulta recomedable expermetar co el úmero de tervalos. Ejemplo 3. Dstrbucó de los porcetajes de gasto e almetacó y vestdo. E este ejemplo se cosdera dos partdas del gasto e cosumo de ua muestra de famlas españolas. Se va a aalzar los hstogramas y las dstrbucoes de frecuecas de las proporcoes de gasto del cosumo e almetos y e vestdo y calzado. Cada uo de estos agregados tee característcas dsttas, que se refleja e las formas de sus dstrbucoes.

33 La muestra que seleccoamos correspode a 7 hogares, proveetes de la Ecuesta Cotua de Presupuestos famlares (ECPF). La ECPF es ua ecuesta realzada por el INE desde el prmer trmestre de 985, efectuádose cada trmestre desde ese año. La ecuesta recoge el orge y cuatía de las retas famlares y su cocrecó e gastos de cosumo (gastos trmestrales de más de 00 bees). La udad básca de la ecuesta so los hogares, de los que se seleccoa alrededor de 300 de maera aleatora, reovádose cada trmestre el.5% de la muestra (como cosecueca de ello, u hogar permaece e la ecuesta como máxmo ocho trmestres). Las 7 famlas de uestro ejemplo so las que cumple su últmo trmestre e la ecuesta e el cuarto trmestre de 99. Las varables so proporcoes de gasto (e almetacó, y e vestdo y calzado). Estas se ha calculado, para cada be y e cada famla como: proporcó del gasto del hogar e el be gasto e el be 00 cosumo total del hogar E las gráfcas 8 y 9 (almetacó y vestdo y calzado, respectvamete) aparece cojutamete las dstrbucoes de las proporcoes de gasto y sus hstogramas. Estos resultados se ha obtedo utlzado u programa formátco de estadístca y el úmero de tervalos e los que debía dvdrse las varables ha sdo calculado por el propo programa. E los resultados se ofrece el hstograma (co las frecuecas relatvas e el eje horzotal) y la dstrbucó de frecuecas: FREQ. es la frecueca absoluta, CUM. FREQ. la frecueca absoluta acumulada, PCT. la frecueca relatva y CUM. PCT. la frecueca relatva acumulada. Los tervalos se defe por medo de su marca de clase; recuerde que la marca de clase de u tervalo es su puto medo, de maera que u valor de 4 al lado de uo de los rectágulos del hstograma dca que el tervalo correspodete está etre 0 y 8. La prmera mpresó que se obtee de los dos hstogramas es la de su dferete forma. Ambas so dstrbucoes umodales (co u tervalo defedo la máxma frecueca), auque la dstrbucó correspodete a almetacó preseta esa moda e el cetro de los valores que toma la varable, metras que vestdo y calzado tee la moda bastate desplazada del cetro de la varable, muy cerca de sus

34 valores mímos. Las dsttas formas de las dstrbucoes so mportates cuado se trata de descrbr el comportameto de ua varable. Auque más adelate volveremos sobre ello, puede ya reteer que u tpo de dstrbucó como la de almetos se cooce e estadístca como dstrbucó smétrca, metras que la de vestdo y calzado se cooce como dstrbucó asmétrca por la derecha, al teer muchos más valores alejados de la moda por la parte superor de la varable (ua dstrbucó asmétrca por la zquerda tedría la mage cotrara). Qué os aporta la formacó de las dstrbucoes? Cetrémoos e el gasto e almetacó. El tervalo mímo de la varable tee ua marca de clase del 4% y el tervalo más alto es gual al 84%. El tervalo más frecuete, que defría la moda, se stúa e el 8% del gasto, cfra que detfcaría el 3.99% de las famlas de la muestra. Al tratarse del cosumo de almetos, parece que sería lógco esperar que el porcetaje de gasto que éstos represeta e u hogar o fuera muy elevado. La moda, co u valor alrededor del 8%, os ofrece ua buea refereca de cuál puede ser la proporcó esperada. S embargo, e la dstrbucó destaca las observacoes que se stúa e la parte superor de la varable. El porcetaje de famlas que dedca algo más del 50% de su presupuesto a la almetacó resulta sgfcatvo. E cocreto, por ecma del tervalo cuya marca de clase es 44 (40% a 48%) se stúa el %, es decr que alrededor de u 0% de las famlas, cosume más del 48% de su gasto total e almetacó. La mayoría de hogares, s embargo, lmta este porcetaje, destacado que el 60.5% de los hogares tee u porcetaje de gasto feror al 3%. La descrpcó de la seguda varable puede hacerse e térmos parecdos. La moda, co u valor del 5%, os defe el valor más frecuete. La dstrbucó de este tpo de gasto es dferete a la de almetacó. El recorrdo de la varable es bastate meor, stuádose teórcamete etre el 0 y el 47.5% (valores feror y superor del prmer y últmo tervalo, respectvamete). El tervalo feror tee como puto medo 0, y debe terpretarse como defdo etre 0 y.5%, al o ser posble defr u porcetaje de gasto egatvo (tervalo etre.5 y.5). E este tervalo se stúa el.88% de los hogares, de maera que destaca de la dstrbucó el que el 50.8% de los hogares gaste meos del 7.5% de su cosumo trmestral e vestdo y calzado. Los valores superores de la varable, s embargo, o muestra frecuecas ta altas. Por ecma del 5% del gasto (y hasta u máxmo del 47.5%) se ecotraría ada más que alrededor del 7% de los hogares.

35 Gráfca 8 Proporcó de gasto e almetacó FREQ. CUM. FREQ. PCT. CUM. PCT Frecuecas relatvas ECPF. IV trmestre 99 Gráfca 9 Proporcó gasto e vestdo y calzado FREQ. CUM. FREQ. PCT. CUM. PCT Frecuecas relatvas ECPF. IV trmestre 99 Ejemplo 4. La flueca del salaro mímo e la desgualdad salaral. El mpacto que tee el salaro mímo sobre la dstrbucó de los salaros ha sdo aalzado co datos de la ecoomía portuguesa por Rute (997). La legslacó sobre salaro mímo mpoe u efecto de tpo gualtaro e la estructura de salaros, al mpoer restrccoes e los

36 salaros pagados por los empleadores. E su trabajo dscute dversos hstogramas que muestra la dstrbucó de los salaros e dsttos años. El aálss de los msmos se drge especalmete a la deteccó de los pcos (modas o submodas) del salaro mímo, clarfcado además la estructura de salaros que quere descrbrse. E todos los hstogramas se señala la poscó de los salaros mímos correspodetes a la agrcultura y al cojuto de actvdades ecoómcas, excluyedo e este caso la agrcultura y el trabajo doméstco (estas poscoes se detfca e el eje horzotal co las letras A y M, respectvamete). E la gráfca 8 se muestra el hstograma de los salaros del año 983. E el msmo puede detectarse ua moda e el salaro mímo agrícola y ua moda, más mportate, e el salaro mímo del resto de la ecoomía. Hasta 986 (gráfca 9), las relacoes ecoómcas se edurecero, cotrayédose el vel de empleo y aumetado el cerre de empresas. La legslacó sobre salaro mímo hzo que éste fuera mayor e relacó al salaro medo e la ecoomía. Esto tuvo u efecto gualtaro sobre la dstrbucó, al acercar los salaros más bajos a los del resto de trabajadores. Este efecto se do també sobre los salaros ferores al mímo legal, que se vero arrastrados por el aumeto del salaro mímo. El hstograma de los salaros del año 99 se muestra e la gráfca 0. E ese año o se permtero salaros legales por debajo del mímo, el pco correspodete todavía se detecta, pero la cocetracó por ecma del mímo aumeta. Los pcos detectados e las dstrbucoes lustra la mportaca de la legslacó sobre salaro mímo y, e cosecueca, la mportaca de los factores sttucoales e la dstrbucó de los salaros. Gráfca 8

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

LECCIONES DE ESTADÍSTICA

LECCIONES DE ESTADÍSTICA LECCIONES DE ESTADÍSTICA Estos aputes fuero realzados para mpartr el curso de Métodos Estadístcos y umércos e el I.E.S. A Xuquera I de Potevedra. Es posble que tega algú error de trascrpcó, por lo que

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se CAPÍTULO III. METODOLOGÍA III. Tpos de Medcó De acuerdo co la clasfcacó de Amartya Se (200), las meddas de desgualdad se puede catalogar e u setdo objetvo o ormatvo. E el setdo objetvo se utlza algua medda

Más detalles

ESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos

ESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos Udad ddáctca ESTADÍSTICA. ESTADÍSTICA: COCEPTOS BÁSICOS La Estadístca surge ate la ecesdad de poder tratar y compreder cojutos umerosos de datos. E sus orígees hstórcos, estuvo lgada a cuestoes de Estado

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros . alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

División de Evaluación Social de Inversiones

División de Evaluación Social de Inversiones MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013

Más detalles

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes Ejerccos Resueltos de Estadístca: Tema : Descrpcoes uvarates . Los datos que se da a cotuacó correspode a los pesos e Kg. de ocheta persoas: (a) Obtégase ua dstrbucó de datos e tervalos de ampltud 5, sedo

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

CIRO MARTINEZ BENCARDINO

CIRO MARTINEZ BENCARDINO CIRO MARTINEZ BENCARDINO Nacdo e Covecó (Norte de Satader - Colomba). Ecoomsta de la Uversdad Jorge Tadeo Lozao de Bogotá, D.C. Bo-estadístca (Uversdad de los Ades, Bogotá, D.C.). Téccas Estadístcas (CIENES-Satago

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

III. GRÁFICOS DE CONTROL POR VARIABLES (1) III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I COLEGIO DE BACHILLERES ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I FASCÍCULO. MEDIDAS DE TENDENCIA CENTRAL Autores: Jua Matus Parra COLEGIO DE BACHILLERES Colaboradores Asesoría Pedagógca Revsó de Cotedo Dseño

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

Topología General Capítulo 0-2 -

Topología General Capítulo 0-2 - Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1 63 ITRODUCCIÓ AL AÁLISIS DE ECUESTAS COMPLEJAS MARCELA PIZARRO BRIOES ISTITUTO ACIOAL DE ESTADÍSTICA (IE CHILE Para presetarse e el Taller Regoal del MECOVI: La Práctca del Muestreo para el Dseño de las

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

Introducción a la Programación Lineal

Introducción a la Programación Lineal Itroduccó a la Programacó Leal Clauda Llaa Daza Garzó cldaza@uversa.et.co Trabajo de Grado para Optar por el Título de Matemátco Drector: Pervys Rego Rego Igeero Uversdad Nacoal de Colomba Fudacó Uverstara

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Pága 09 PRACTICA Meda y desvacó típca 1 El úmero de faltas de ortografía que cometero u grupo de estudates e u dctado fue: 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 a) D cuál es la varable y de

Más detalles

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003 8 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura Eero, 3 DOCUMENTO DE TRABAJO 8 http://www.pucp.edu.pe/ecooma/pdf/ddd8.pdf EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA UNIVERIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVETIGACIÓN FACULTAD DE CIENCIA ECONÓMICA TETO DE PROBLEMA DE INFERENCIA ETADÍTICA AUTOR: JUAN FRANCICO BAZÁN BACA (Resolucó Rectoral 940-0-R del -9-) 0-09-

Más detalles

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES Itroduccó a la Trasformada Wavelet DESCOMPOSICIÓN DE SEÑALES Trasformada Wavelet Curso 006 Itroduccó Para ua mejor compresó de los capítulos sguetes desarrollaremos aquí alguos coceptos matemátcos ecesaros

Más detalles

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

Más detalles

REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DERECHOS RESERVADOS

REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DERECHOS RESERVADOS REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DETERMINACIÓN MEDIANTE EL ANÁLISIS REGRESIONAL DE LOS MODELOS MATEMATICOS POLINÓMICOS

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL EL PROGRAMA ESTADÍSTICO SPSS . EL PROGRAMA ESTADÍSTICO SPSS. INTRODUCCIÓN El

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS Bucaramaga, 2010 INTRODUCCIÓN El presete documeto es ua complacó de memoras de

Más detalles

MS Word Editor de Ecuaciones

MS Word Editor de Ecuaciones MS Word Edtor de Ecuacoes H L. Mata El Edtor de ecuacoes de Mcrosoft Word permte crear ecuacoes complejas seleccoado símbolos de ua barra de herrametas y escrbedo varables y úmeros. medda que se crea ua

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA H. Helam Estadístca -/5 ITRODUCCIÓ. COCEPTO DE ETADÍTICA ETADÍTICA DECRIPTIVA La estadístca es la rama de las matemátcas que estuda los eómeos colectvos recogedo, ordeado y clascado y smplcado los datos

Más detalles

Conceptos y ejemplos básicos de Programación Dinámica

Conceptos y ejemplos básicos de Programación Dinámica Coceptos y eemplos báscos de Programacó Dámca Wlso Julá Rodríguez Roas ularodrguez@hotmal.com Trabao de Grado para Optar por el Título de Matemátco Drector: Pervys Regfo Regfo Igeero Uversdad Nacoal de

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Parcalmete facado a través del PIE-04 (UMA). Promedos y meddas de poscó. Meddas de dspersó. Meddas de asmetría. Valores atípcos..4 Meddas de desgualdad..5 Valores atípcos: Dagrama

Más detalles

Ejercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión

Ejercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión Eerccos Resueltos de Estadístca: Tema : Descrpcoes bvarates regresó . E u estudo de la egurdad e Hgee e el Trabao se cotrastó la cdeca del tabaqusmo e la gravedad de los accdetes laborales. Cosderado ua

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3 Dseños muestrales e Ivetaros Forestales Itroduccó... Dstrbucó de las udades muestrales.... 3 Dstrbucó Aleatora... 3 Dstrbucó stemátca... 4 Dstrbucó de las UM e trasectos... 5 Estmadores para udades muestrales

Más detalles

Técnicas básicas de calidad

Técnicas básicas de calidad Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos

Más detalles

CÁLCULO FINANCIERO. Teoría, Ejercicios y Aplicaciones

CÁLCULO FINANCIERO. Teoría, Ejercicios y Aplicaciones 2 CÁLCULO FINANCIERO Teoría, Ejerccos y Aplcacoes 3 Uversdad de Bueos Ares Facultad de Cecas Ecoómcas Autores: Jua Ramó Garca Hervás Actuaro (UBA) Master e Ecoomía y Admstracó (ESEADE). Docete de Posgrado

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

COMENTARIOS Y ANÁLISIS DEL FACTOR DE PRODUCTIVIDAD PROPUESTO POR OSIPTEL PARA EL PLAN DE REGULACIÓN POR PRECIOS TOPE 2004 2007

COMENTARIOS Y ANÁLISIS DEL FACTOR DE PRODUCTIVIDAD PROPUESTO POR OSIPTEL PARA EL PLAN DE REGULACIÓN POR PRECIOS TOPE 2004 2007 OMNTARIOS Y ANÁLISIS DL FATOR D PRODUTIVIDAD PROPUSTO POR OSIPTL PARA L PLAN D RGULAIÓN POR PRIOS TOP 2004 2007 APLIAIÓN D LA VARIABL M por Davd. M. Sappgto RSUMN JUTIVO ste forme preseta ua evaluacó de

Más detalles

Tema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA

Tema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos Feómeos determístcos TEMA I. ESTADÍSTICA DESCRIPTIVA Llamados també causales,

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

Más detalles

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano Valoracó de opcoes de compra y veta del qutal de café e el mercado ecuatorao Adrá Morocho Pérez, Ferado Sadoya Sachez Igeero e Estadístca Iformátca 003 Drector de Tess, Matemátco, Escuela Poltécca Nacoal,

Más detalles

Tema 2: Modelos lineales de optimización con variables enteras.

Tema 2: Modelos lineales de optimización con variables enteras. Tema 2: Modelos leales de optmzacó co varables eteras. Objetvos del tema: Itroducr la programacó leal etera y los domos de aplcacó. Apreder a formular el modelo de u problema de programacó leal etera.

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles