Escolar Documentos
Profissional Documentos
Cultura Documentos
PLANIFICACIN
por
ARTURO NEZ DEL PRADO BENAVENTT.
900044515
900044515 - BIBLIOTECA CEPAL
MXICO
ESPAA
ARGENTINA
COLOMBIA
_______________________________
C/vX
economa
y
demtyrafa
Textos
dei
INSTITUTO LATINOAMERICANO
DE PLANIFICACIN ECONMICA
Y SOCIAL
NDICE
V II
1
3
PR LOGO A LA Q U IN TA ED ICION
PR LO GO , POR FRA N CISC O AZORN
INTRODUCCIN
P R IM E R A P A R T E : ESTA D STICA D ESCR IPTIV A
a.
II
27
III
90
N M ERO S N D ICE
El problema general, 90; b . Clases de nmeros ndice, 90; c.Frmulas de clculo, 91; Pruebas sobre los nmeros ndice, 97;
e . Base de un nmero ndice, 100; f . Utilizacin de los nmeros
Indice, 103; c. Indices de comercio exterior, 117; h . Algunos indi
cadores econmicos, 119; i. Etapas de la construccin de nmeros
ndice, 126; Temas de discusin, 129; Problemas propuestos, 130;
Ejercicios, 132; Solucin de ejercicios, 135
a.
145
A N LISIS DE R EG RESI N
A.
II
b.
Consideraciones prc
160
CO RRELACI N
a.
[V]
VI
INDICE
rrelacin, 163; e . Correlacin rectilnea, 164; f . Correlacin no rec
tilnea, 177; c. Correlacin mltiple, 182; h . Etapas de la construc
cin de un modelo de regresin y correlacin, 187; i. Mtodo de
estimacin por medio del coeficiente de elasticidad, 190; Temas
de discusin, 205; Problemas propuestos, 207; Ejercicios, 208; So
lucin de ejercicios, 213
T ER C ER A P A R T E : E L E M E N T O S DE M U E S T R E O
237
A SPEC TO S T E R IC O S
c.
II
262
III
275
S IM P L E
283
FO R M U L A R IO SO B R E M U E ST R E O A L EA T O R IO S IM P L E
a.
b.
FO R M U L A R IO SO B R E M U E ST R E O A L EA T O R IO ESTR A T IFIC A D O
B IB L IO G R A F A
b.
Variable cualitativa
287
(dos cate
293
CviO
VIII
PR L O G O A LA Q U IN T A ED IC I N
agosto de 1976
PRLOGO
FRA N CISC O
AZORN
[1]
PRLOGO
INTRODUCCIN
INTRODUCCIN
PRIMERA PARTE
ESTADISTICA Y PLANIFICACIN
A.
LA S NECESIDADES DE IN FO R M A C IO N
10
ESTADSTICA Y
PLA N IFIC A C I N
11
12
ESTADSTICA Y
PLA N IFICA CI N
NECESIDADES DE IN FO RM A CI N
13
4] En la delimitacin de la estrategia
Constituye la estrategia el vnculo entre diagnstico e imagen;
que en la prctica significa decidirse por alternativas referentes
a medidas muy generales de poltica econmica que conducen al
logro de los objetivos planteados en la imagen.
Naturalmente existe una relacin intima entre diagnstico,
imagen y estrategia; y estos conceptos del proceso de planifica
cin estn mutuamente condicionados. A los efectos de su pre
sentacin se los considera por separado, pero eso no debe hacer
suponer que se trata de elementos disociados; antes bien, apone
un encadenamiento de acciones en el tiempo. Se dijo antes que
la eleccin de una estrategia resulta de tomar en cuenta alter
nativas; supuesto esto, es necesario evaluar dichas alternativas
en la medida que las informaciones lo permitan. Necesariamente
es indispensable definir grandes proyectos ligadas a las alterna
tivas de estrategia e imagen planteadas. Es fundamental un m
nimo de cuantificaciones. proyecciones y estimaciones que susten
ten las evaluaciones. Cambios sustantivos y concretos, implcitos
o explcitos, en la imagen y estrategia deberan evaluarse tanto
desde puntos de vista cualitativos, como cuantitativos.. Muevamente parece oportuno insistir sobre el hecho que es indispensable
un mnimo conocimiento de mtodos estadsticos para enfrentar
este complejo problema. Es evidente que la base de sustentation
de imgenes y estrategias realistas est constituida por el aco
pio de informaciones respecto de perspectivas" en el avance tec
nolgico, en las prospecciones de recursos naturales, en las
variaciones de las estructuras sociales, econmicas, institucionales,
polticas, en la composicin de la estructura de poder, etc. Su
pone, por lo tanto, mecanismos giles de captacin de informa
ciones que permitan anticipar la toma de decisiones, de acuerdo
a las expectativas que se tengan.
La obtencin de informaciones durante un proceso de planifi
cacin, debera ser una tarea continua y no espordica; y por
otra parte, la informacin primaria que se obtenga debe ser
depurada, clasificada, resumida y analizada, aplicando adecuadas
tcnicas estadsticas.
14
ESTADSTICA Y
PLA N IFIC A C IO N
15
B.
M TOD OS DE O BTEN C I N
DE
IN FO R M A C IO N ES
16
ESTADSTICA Y
PLA N IFIC A C I N
17
18
ESTADSTICA Y
PLA N IFIC A C IO N
C.
LA D ISPO N IBILID A D DE IN FO R M A C I N
EN A M R IC A
LA TIN A
DISPONIBILIDAD DE IN FO RM ACIN
19
ESTADSTICA Y
20
PLA N IFIC A C IO N
D.
21
3] R epresentatividad
La evaluacin de la representatividad de un indicador es parte
de la etapa de control; un ejemplo concreto de falta de una
evaluacin adecuada, es la jerarquizacin del nivel de desarrollo
de un pas basndose sobre los ingresos por habitante.
En primer lugar, un promedio no siempre es representativo;
para que lo sea, todos los valores tendran que estar muy prxi
mos a dicho promedio; el caso de los ingresos por habitante
est muy lejos de acercarse a esta situacin. En segundo lugar,
hay un problema de cmputo de los ingresos reales: evaluaciones
del autoconsumo y utilizacin de sistemas de deflactacin muy
diferentes entre los pases, hacen todava menos comparables los
referidos promedios. A pesar de todo esto hay una tendencia a
utilizarlos en las comparaciones internacionales sin especificar
sus limitaciones. Cuanto se manejan estadgrafos o indicadores
que en general, resumen de manera imperfecta una masa de
datos, parece recomendable detenerse en el anlisis de su repre
sentatividad y especificar qu faceta del problema puede abor
darse a travs de ellos y qu otros aspectos quedan al margen
de tales indicaciones.
4] Sesgos
Cuando se recolectan informaciones por medio de encuestas, es
particularmente importante registrar y eliminar, o por lo menos
reducir, la posibilidad de trabajar con informaciones que con
tengan sesgos. Por sesgo se entiende una desviacin sistemtica
de las caractersticas observadas respecto de las caractersticas rea
les, por consiguiente parecera casi innecesario subrayar el peligro
que esto significa durante la etapa de obtencin de conclusiones.
Un mal diseo de cuestionarios puede, en cierto modo, inducir
las respuestas pedidas. Los encuestadores, a veces, no mantienen
una posicin neutra e inclinan, en un cierto sentido, a quienes
responden. Una encuesta sobre ingresos y consumos generalmente
evidencia subestimaciones en el monto de las rentas y distorsiones
en la estructura del gasto, sobre todo en los estratos de ingresos
altos, y esto por razones fciles de imaginar. La realizacin de
confrontaciones utilizando muestras yuxtapuestas, permite com
probar la existencia de estos desvos y, a veces, en algn sentido
cuantificarlos. Con todo, tampoco puede desconocerse que el pro
ceso de reduccin de estos errores supone esfuerzos que encarecen
sustancialmente la investigacin.
ESTADSTICA Y
22
E.
PLA N IFICA CI N
23
24
ESTADSTICA Y
PLA N IFIC A C I N
25
F.
26
ESTADSTICA Y
PLA N IFIC A C I N
A.
D ISTR IBU C IO N ES D E FR E C U EN C IA
1] Generalidades
28
N m e r o d e p r o fe s io n a le s
F r e c u e n c ia s a b so lu ta s
Y1 'i - l
Y'
1
V,
Y* 0'
Yj
Yj
Y'
M
Y'
Yj
Yx
Y
y3
ni
n
n.
Y'm - 1
Y1 m
'
Ym
nm
11
donde:
+ Y
Y = --------------
n =
c = Y-
n i de clase
marca
2 n
i'l
nmero de observaciones
Y' ,
n,
"v i
Y,
Y3
nT
n2
n3
Ym
Dnl
29
DISTRIBUCIONES DE FR EC U E N C IA
Variable
Frecuencia
C aracterstica
C aracterstica
A
B
nA
C aracterstica
nz
nB
2 nj
i-l
2 h,
i-i
30
2] Representacin grfica
En general, la representacin grfica de una tabla de distribucin
de frecuencias, permite percibir con mayor claridad algunas ca
ractersticas de la masa de datos que se investiga; por ello resulta
bastante ms fcil trasmitir conclusiones a personas no habi
tuadas a la interpretacin de distribuciones de frecuencia, cuando
se utilizan grficos estadsticos.
a)
Representacin grfica de variable continua. Si se utiliza un
par de ejes coordenados, en el eje de las abscisas se representar
la variable estudiada, en tanto que en el eje de las ordenadas,
se representar las frecuencias correspondientes. Recurdese que
en este tipo de variables la frecuencia corresponde a un intervalo
y por esto se representa mediante una superficie.
Con un ejemplo se ilustrarn estas ideas; admtase, en este sen
tido, la siguiente tabla correspondiente a las edades de los par
ticipantes de un curso de estadstica:
Edades
Y'
Y'
1 -i
1%
18
22
26
30
38
Alumnos
Amplitud de intervalo
Ci
10
20
16
12
1
4
4
4
8
2
22
26
30
38
40
ci
DISTRIBUCIONES DE FR EC U E N C IA
31
GRFICA 1
32
68
90
55
50
73
80
110
90
100
100
110
105
80
70
90
108
40
50
70
35
55
55
60
45
65
70
45
50
95
65
65
70
85
45
80
82
35
80
85
84
110
60
90
66
120
90
68
38
60
50
72
48
Una de las primeras decisiones que deben adoptarse es determin. r el nmero de intervalos que tendr la tabla. Para ello es
necesario considerar el objetivo que se persigue con el estudio
de la variable, qu tipo de diferenciaciones o agrupamientos in
teresara conocer; por otra parte, es indispensable determinar el
recorrido de la variable, es decir, el menor y mayor valor entre
los datos que se analizan. Por ltimo, el nmero de observa
ciones, cie manera que los diferentes intervalos tengan frecuen
cias en alguna medida significativas. Cuando existan valores es
casos, muy alejados de lo que podra llamarse una concentracin
central, puede optarse por dejar los intervalos extremos abiertos.
Supngase que, tomando en cuenta las consideraciones anterio
res, se decide clasificar los datos originales en 9 intervalos de
amplitud constante. Dado que la diferencia entre los valores ex
tremos (30 y 120) es de 90, la amplitud de los intervalos ser
igual a 10.
Y -i
'
Y'i
30.0
40.1
50.1
60.1
70.1
80.1
90.1
100.1
110.1
40
50
60
70
80
90
100
110
120
Observaciones
HH
HH
HH
HH
HH
HH
III
HH
II
HH
III
HH
f/ll
ni
7
10
8
11
6
9
3
5
1
60
7 /6 0
1 0 /6 0
8 /6 0
1 1 /6 0
6 /6 0
9 /6 0
3 /6 0
5 /6 0
1 /6 0
Ni
Hi
N -*
H i*
Yi
7
17
25
36
42
51
54
59
60
7 /6 0
1 7 /6 0
2 5 /6 0
3 6 /6 0
4 2 /6 0
5 1 /6 0
5 4 /6 0
5 9 /6 0
6 0 /6 0
60
53
43
35
24
18
9
6
1
6 0 /6 0
5 3 /6 0
4 3 /6 0
3 5 /6 0
2 4 /6 0
18 /6 0
9 /6 0
6 /6 0
1 /6 0
35
45
55
65
75
85
95
105
115
33
B.
ESTAD GRAFO S DE
Media aritmtica
Es sin duda el estadgrafo ms utilizado, sobre todo en la cuantificacin de variables econmicas. Se simbolizar por Y o M[Yi],
y se definir como:
m
S y , n,
Y = M[Y] = -----------n
Puede observarse que a cada valor de la variable o marca de
clase se atribuye una importancia o peso equivalente a la fre
cuencia absoluta correspondiente. Esta frmula de clculo es
para datos agrupados en forma de una distribucin de frecuen
cias. Cuando se desea calcular una media aritmtica de datos no
agrupados, todas las frecuencias absolutas sern iguales a la uni
dad, se simbolizar por X o M[Xi] y se definir como
34
ESTA D G RA FO S D E SC R IPT IV O S
E ST TIC O S
2 X,
1*1
X = M [X ,1 = -------------
ESTA D G RA FO S DE T E N D E N C IA C E N T R A L
35
i=l
(Y, - ) n, = 0
2 Yj n, - n = 0
n - n = 0
ii) Segunda propiedad: La suma de los cuadrados de las des
viaciones ponderadas de los valores de la variables es un
mnimo, cuando se toman respecto de la media aritm
tica. Se iniciar la demostracin tomando desviaciones res
pecto a un valor cualquiera P, para luego concluir que
P forzosamente tendr que ser la media aritmtica
2
i=l
1-1
(Y, - P) n, = 0
Y, n, - nP = 0
m
2 Yj n
i=l
P = -----------n
36
ESTA D G RA FO S D E SC R IP T IV O S E ST T IC O S
= K M [Y.]
m
n
K 2 = K M [Y,]
-i
K M [Y,] = K M [Y,]
b)
Mtodos abreviados de clculo. Se presentarn estos mto
dos no tanto por el ahorro de tiempo que puede significar su
aplicacin, como porque destacan algunos detalles sobre la me
dia aritmtica, y muestran procedimientos de trabajo con cambio
de variable.
i) Primer mtodo abreviado: Se trata de reducir la magnitud
de la variable, en trminos de desviaciones respecto de un
origen de trabajo Ot arbitrariamente elegido. En cuanto a
la eleccin de Ot vale la pena, para que el mtodo sea
realmente abreviado, tomar como origen de trabajo un
37
yE
ot
S/
>K
V '
ti
Ym
A
Adems, las desviaciones respecto de la media aritmtica
se simbolizarn por Z1( es decir:
Z, = Y,
La diferencia entre la media aritmtica y el origen de
trabajo arbitrariamente elegido se designar por K, es
decir.
K =
Ot
Ot + K
m ...
________________ _
2 Zj n 2 Zj iij -|- nK
*1
1=1
38
2 Zj n, = 2 (Y, - ) n, = 0
Luego
K
2Z f n
Desviaciones
Marca de clase Frecuencia Desviaciones ponderadas
Yi Yi~ Ot*
Z 'nt
Yt
i
Intervalo
YU -Y',
0- 8
8 -2 0
2 0 -2 6
2 6 -3 0
3 0 -4 0
<
4
14
23
28
35
8
10
30
9
3
-1 9
9
0
5
12
60
*
Se elige O , =
152
-9 0
0
45
36
-1 6 1
23.
161
60
Y = 23 ------------ =
20.32
E S T A D G R A F O S
DE
T E N D E N C IA
39
CEN TRAL
de donde
Z\ = CZf
En la frmula del primer mtodo se remplaza Z' y se
tiene
m
2 Z f n,
Y = Ot
C ---------n
Intervalo
Y
* ' -i - Y
1 'i
2- 6
6 -1 0
1 0 -1 4
1 4 -1 8
1 8 -2 2
2 2 -2 6
Desviaciones
M arca de clase F recu en cia * D esviaciones ponderadas
Yi
4
8
12
16*
20
24
zr
20
40
50
90
60
40
-3
-2
-1
0
1
2
300
E lig ie n d o O t =
4
-6 0
-8 0
-5 0
0
60
80
-5 0
16.
2 Z\' n,
= Ot + C --------n
40
ESTA D G RA FO S D E SC R IPT IV O S E ST T IC O S
Y =
16 -
50
4 ------- = 15.33
300
47 - 60 -
70 -
78 - 80 -
90
70 -
78 - 80 -
90 -
180
41
ms
N u m e ro de
propietarios
ni
F recu en cia
acum ulada
Ni
200
160
150
100
80
40
20
200
360
510
610
690
730
750
750
E STA D G RA FO S D E SC R IP T IV O S E ST TIC O S
42
AC
1T =
CD
Pero
AB = d
BE = ~ - Nk_!
AC = CK (amplitud del intervalo K-simo)
CD Nk Nk_! = nK
43
E ST A D G R A F O S D E T E N D E N C IA C E N T R A L
Remplazando, se tiene
CK
n
~2
Njc-i
de donde
n
y -
d = C , -------------nK
Luego
Me Yk,!
CK ---------------
C oeficientes
YV i'
1 i-i - M
Em presas
Frecu en cia s
acum uladas
ATi
0 .1 5 -0 .2 0
0.20 - 0.30
0 .3 0 -0 .4 2
0 .4 2 -0 .5 0
0 .5 0 -0 .7 0
40
80
100
60
30
40
120
220
280
310
310
n
310
= ------
: 155
CK = 0.12
120
(donde K = 3)
4^
155 120
0.12 -------------- = 0.30 4- 0.042 = 0.342
100
44
( f " NK1)
Q, = Yk-i + CK ------------------nK
Para el tercer cuartil, sucede otro tanto
Qj = Y K -l +
C jC
---------------------nK
I ~ Nk_i
D7 Yk_! -f- CK --------------11K
E l 3 5 p e rc e n til e s ta r d a d o p o r
e s t a d g r a f o s
de
t e n d e n c ia
45
cen tral
a)
Variable discreta, una vez agrupados los datos, es posible
determinar inmediatamente el valor modal; bastar con fijar el
valor de la variable que ms se repite.
Ejemplo:
N m ero de cargas fam iliares
N m ero de familias
Y{
ni
0
1
2
3
4
5
6 o
80
120
210
380
180
60
ms
, 40
1 070
46
E STA D G RA FO S D E SC R IP T IV O S E ST TIC O S
7
Md
J ______________ I______ I--------- 1------------------ 1
Yk -z
Yk -i
nK - l
Yk
y k
nK
+i
nK+l
nK+1
^
C*
D
- 1 T
n K+l
ESTA D G RA FO S DE T E N D E N C IA C E N T R A L
47
Profesionales
Y'i-i - Y i
0 -2 0
20-
40
25
45
40-
60
80
60-
80
60
80 -1 0 0
40
1 0 0 -1 2 0
15
120 y ms
20 (60)
= 40 J
45 -f- 60
_
1 200
= 51.43
105
B im odal
48
ESTA D G RA FO S D E SC R IPT IV O S E ST T IC O S
Clientes encuestados
Blanco
Azul
Verde
Am arillo
R o jo
18
22
40
25
75
Mg =
x3 . . . x =
______________
X,
n X,
i=l
E STA D G RA FO S D E T E N D E N C IA C E N T R A L
49
log Mg = E log X (
n 1-1
Si los datos aparecen grupados, es decir, si las marcas de clase
tienen frecuencias superiores a la unidad, se tendr la siguiente
frmula.
Mg = - V
yi
= y
ni
...
n2
nm
Y, Y, . . . Y, Ym . . . Yn
Y ,ni Yn2
Ymnm
Mg = y * Yi
1=1
log Mg = 2 (log Yj) nj
n ,-1
El estadgrafo que se estudia, aparte del inconveniente que
significa el engorro de su clculo, est adems limitado porque
los valores de la variable deben ser positivos para que pueda ser
interpretado. Si algn valor de la variable es cero, la media
geomtrica ser cero; igualmente si aparece algn valor nega
tivo el estadgrafo toma un valor imaginario. Pese a estos incon
venientes, para cierto tipo de variables, en especial las cronol
gicas, que sigan una tendencia exponencial, se hace indispensable
su uso si se desea calcular valores intermedios, es decir, si se
desea interpolar no linealmente. Por ejemplo, si cierta poblacin
en 1940 era de 2.5 millones y en 1960 alcanza a 4 millones, para
calcular la poblacin en 1955 sera indispensable el empleo de
la media geomtrica, si se admite el crecimiento exponencial de la
poblacin a una tasa constante.
P1950 = V ( 2-5)
() = 3.15 millones
50
ESTA D G RA FO S D E SC R IP T IV O S E ST T IC O S
P a r a d a to s n o a g ru p a d o s :
Mh
n
1
Xi
X,
Mh
ni
1----
72
3+2
72
5
= 14.4 metros
18
51
EVA LU A CI N
e: espacio
p: productividad
e = pxt
p = e
t: tiempo
C.
EVALUACIN
DE
LOS
1
t
C EN TRA L
E STA D G RA FO S D E SC R IP T IV O S E ST T IC O S
52
10
D.
11
53
STA D G RA FO S D E D ISPE R SI N
R = Ym Y 0
R = Y Y
] R ecorrido intercnartilico
Qs Q t
54
ESTA D G RA FO S D E SC R IPT IV O S
E ST T IC O S
X2
' L =
n
2 Y i n,
L _ i _ Y2
n
55
E ST A D G R A FO S D E D ISPE RSI N
c)
Propiedades de la varianza
i)
K] = V[Y,]
K.,
n,= V[Y]
K] =
K +
M[Y]
V[Y]
2 (Yt Y)2 n
V[Y,]
Grficamente, las dos distribuciones tienen la misma va
rianza, pese a estar desplazadas en el eje de las abscisas.
GRFICA
ii)
12
56
E STA D G RA FO S D E SC R IP T IV O S E ST T IC O S
2 [ K 2 (Yi Y)2] n
--------------------
K2 V[Y,]
K2 2 ( Y i - Y ) 2 !!,
------------------- = K2 V[Yf]
n
K2 V[Y|] = K2 V[Y,]
d)
Com ponentes de la varianza. En el caso que un conjunto
de datos haya sido dividido previamente en grandes categoras
o estratos, es posible desglosar la varianza en dos componentes
muy tiles para el anlisis. Admtase que una masa de datos ha
sido dividida en L estratos; cada estrato tendr una media arit
mtica, una varianza y un nmero de observaciones que expresa
la importancia de cada uno de estos estratos. En este caso la
variabilidad total puede deberse tanto a variabilidad dentro de
cada estrato como a variabilidad entre los diferentes estratos,
i) Intervarianza: Estadgrafo que representa la variabilidad en
tre los estratos; se define como la varianza entre las medias
de los estratos.
2 ( h- ) 2 nh
ol
= V[Y] =
------ ----------
donde
Yh es la media aritmtica del estrato h
Y es la media aritmtica general
nh es el nmero de observaciones o tamao de cada es
trato.
57
ESTA D G RA FO S DE D ISP E R SI N
ii)
2 (T n
2
o*
M[o; ] = ----------- n
2 2 (Yhi - Y)2
h=l i=l
-f- ( i
2 (Yh - Y)2 nh
h=l
2 oj nu
_]_
h-1
-----
pero
ah =
2 (Yhl Yj,)2
-------- --------- -
remplazando
*=l i=t
h=l i=l
L _
__
2 (Y?, - 2Y Y + Y2) nh +
4 n
_
+ 2 2 (Yh - 2Yh Y + Y * )
A p lic a n d o las p ro p ie d a d e s d e la s u m a to ria
58
ESTA D G RA FO S D E SC R IPT IV O S
2 [2
(Y,?, ) - 2Y n Y + nh Y-)] =
n Y- -f- 2
[(Y|, ) - nh Y* ]
2 2 Y,;, n Y2 2 Yg nh - n Y2 + 2 2 Y,?,
b=l
I"1
E ST TIC O S
L
2 Yg n -
h=l
h=l
1=1
2 nu Yg
h -1
h -l
2 Y, = 2 2
1=1
h=l
t 'l
Yg,
Luego
o2 = of, + r'
Ejemplo: Pinsese en los sueldos y salarios pagados por una
fbrica, que tienen una varianza de 137 600. Si las observaciones
se clasifican por estratos: obreros, empleados administrativos y
tcnicos, ser posible analizar ms a fondo la distribucin de in
gresos.
Las informaciones disponibles seran:
T am a o
estrato
istmios (h)
O b reros
E m p lea d os
T c n ic o s
a dm inistrativos
M edia p o r
estrato
Varianza p o r
estrato
nh
ol
300
400
400
160 000
160 000
500
40 000
100
100
59
ESTADGRAFOS DE DISPERSIN
i*
2 of, nh
-1
Ow = ------------ =
680 000
136 000
2 (Yn Y)2 nh
8 000
a l = ----------------------=
= 1600
2 Z? n
1=1
1=1
o2 =
ya que
Zi = Y, Y
Si se desarrolla el cuadrado del binomio dentro de la sumato
ria, se tiene:
m
rr*
O
=
pero
2 Yf n 2Y 2 Y 1n , 4 - n Y !
i=i
i=i
_______________________________________
n
m
2 Yi
i=l
nY
60
E STA D G RA FO S D E SC R IP T IV O S E ST T IC O S
luego,
m
2 Y n
i=l
_
------------------ Y2
n
a2
13
Z-i
I_______ I,----------
Y 'o
_i
.1---------i
Yi
Y 'm
Z = Z. + K
Elevando al cuadrado
Z f = i:\ + 2K Z, + K2
Ponderando por n
Zf n = Tl\ ni -f- 2K Z ni + K2 n
Aplicando sumatoria
ni
i-l
Z f n, =
1-1
n+ 2K2 Zi ni
t\
i-1
Zi ni 0
luego
m
2 Z f n = 2 Zf- n, 4- n Ki=i
pero
m
2 Z r H| = n a2
i~l
n K2
deca:
61
ESTA D G RA FO S DE D ISP E R SI N
m
2 Zf n,
o =
ii)
Y .-Q t
= zr
i-l
zr n
(szrJ)
v
N m e ro d e contribuyentes
y'i
Yi
20
40
60
80
100
10
50
50*
70
20
15
10
8
5
90
58
O, -
50.
A
-4 0
-2 0
0
20
40
A 2 i
-8 0 0
-3 0 0
0
160
200
32 000
6 000
0
3 200
8000
740
49 200
62
/ 740
= 685.5
Y'i
Yt
zr
Zf ,
20
40
60
80
100
10
30
50*
70
90
20
15
10
8
5
-2
-1
0
1
2
-4 0
-1 5
0
8
10
80
15
0
8
20
-3 7
123
58
* o t =
Z f 2 i
50.
4] C oeficiente de variabilidad
Tanto la varianza como la desviacin tpica tienen el inconve
niente de los estadgrafos absolutos, ya que en el caso de indi
caciones sobre dispersin, tiene mucha importancia no tomar en
cuenta la posicin de la distribucin. Estos estadgrafos, sobre
todo al comparar distribuciones, pueden deformar las conclu
siones.
Obsrvense las dos distribuciones que aparecen a continuacin.
g r f ic a
14
63
ESTA D G RA FO S D E D ISPERSIO N
Y
En el ejemplo anterior, si ambas distribuciones tuvieran, por
ejemplo, una desviacin tpica de 60, los coeficientes de varia
bilidad seran:
CVt = J L =
= 0.4 = 40%
1
150
CV2 =
o2
------ =
,,
60
= 0.057 = 5.7%
1050
64
ESTA D G RA FO S D E SC R IPT IV O S E ST T IC O S
E.
UTILIZA CI N
TEMAS DE DISCUSIN
ludique si las siguientes afirmaciones son verdaderas o falsas y justifi
que su opinin.
1] En toda distribucin con media nula el percentil 38 es igual, en
valor absoluto al percentil 62.
65
TEM A S DE DISCUSIN
2]
resultados
exa cta m en te
2 X,
2 Y n.
0.4
hj =
0.2
n4 =
H3 =
Y =
0.8
25
Mu =
50
30
el =
780
150
CV =
10]
20%
6
0.6
hj = 0.2
H3 +
H4 =
lt4 = 0.2
1.9
66
ESTA D G RA FO S D E SC R IP T IV O S E ST TIC O S
M =
-1 0
a2 =
81
Y1 = 10
2 = 10
O =
o2 10
80
200
160
m =
h5 =
1=1
0.1
Y z n =
H3 =
0.5
400
Y =
n4 =
P R O B L E M A S P R O P U E ST O S
67
Antes
Despus
60%
50%
15
30
(obreros)
Y (empleados)
P roporcin de obreros
0.6
150
225
Ob
Venezuela
a =
0.6
24
144
650 bolvares
A rgen tin a
cr =
50 000 pesos
68
ESTA D G R A FO S D E SC R IP T IV O S E ST A T IC O S
100 u. m .
CV =
50%
400
E JE R C IC IO S
1] L a inversin real anual de un grupo de industrias pesqueras se
d etalla a con tinu acin:
Miles de dlares
10 12 8 16 20 - 25 1 3 - 1 7 - 2 1 0 14 6 12 65-
40
28
7
8
5
6 - 8 10 30 - 26 - 30 6 8 - 1 4 9 11 - 13 6 8 7 -
30 28 - 6 4 6 - 10 - 18 7 - 1 5 - 1 9 - 2 7 - 2
15 - 18 - 2 0 - 3 0 12 - 15 - 36 - 39 -
14
17
2
60
52
Se pide:
d)
e)
69
E J E R C IC IO S
2]
Pas A
Pais B
Ingresos anuales
por
h a b .: dlares
Poblacin
rem un erad a
80 - 1 0 0
1 0 0 -1 2 0
1 2 0 -1 4 0
140 - 1 6 0
160 - 200
200 - 220
30 000
80 000
40 000
10 000
4 000
1000
Ingresos anuales
por
h a b .: dlares
P oblacin
rem u n era d a
60 90
9 0 -1 2 0
120 - 150
1 5 0 -1 8 0
1 8 0 -2 1 0
210 - 240
240 - 270
10 000
20000
50 000
20 000
15 000
10 000
4000
a) F u n d a m en te, e m p le a n d o
3]
4]
5]
0]
7]
e l c lc u lo d e estadgrafos q u e crea
co n v e n ie n te , e l g ra d o d e d e s a rro llo co m p a r a d o d e a m b os pases.
N ecesita adem s o tro s an teced en tes pa ra ca lifica r a estos p a
ses c o n m a y o r rigor?
b) C a lcu le e l in greso p r o m e d io d e l 3 0 % d e la p o b la c i n d e m a
yores in gresos e n ca d a pas. C o m p a re los resultados y discu ta
sus con clu sio n e s. R e a lice e l m ism o c lc u lo pa ra e l 4 0 % d e la
p o b la c i n d e m e n o re s ingresos.
c) C u l es el in greso p r o m e d io d e los d os pases en c o n ju n t o ?
d ) S u p o n ie n d o q u e e l pas B d ev al a su m o n e d a e n 3 0 % y e l
p as A e n 5 % , ca lcu le los n u ev os in gresos p r o m e d io en a m b os
pases.
E l in greso p o r h a b ita n te d e u n pas es d e 310 d la res al a o ;
su se cto r o b re ro , q u e co n stitu ye e l 59 p o r c ie n to d e la p o b la c i n ,
p e r cib e 1 /5 d e l in greso tota l. C a lcu le e l in greso p o r h a b ita n te
d e este sector.
U n a u tom ov ilista se d irig e d e S an tiago a T a lc a , ciu d a d es q u e dis
tan 300 k m en tre s; lo s p rim eros 200 k m los re co rre a u n a v e lo
c id a d d e 120 k m /h o r a y e l resto a 80 k m /h o r a . U tiliz a n d o u n
esta d gra fo d e ten d en cia cen tra l, ca lcu le la v e lo c id a d m ed ia .
L a m e d ia aritm tica en tre d os n m eros es 8 y su m e d ia g e o m
trica 2. C a lcu le la m e d ia a rm n ica .
Si la p o b la c i n d e u n pas es a l 31 d e d ic ie m b re d e 1950 d e
5 800 000 personas, y al 31 d e d ic ie m b re d e 1960 d e 7 200 000,
ca lcu le la p o b la c i n e n 1955.
Si se tien e u n a d is trib u ci n d e frecu en cia s sim trica, c o n 6 in
tervalos d e a m p litu d con sta n te, y los sigu ientes datos:
n =
n :i =
150
30
ca lcu le el 69 d e cil
Y' =
Q, =
60
43.5
n, =
n4 - f
70
los
Profesionales
n , (miles)
20
40
60
80
100
120
30
25
15
13
12
5
Se le pide que:
a) C alcule la varianza p o r los tres m todos que conoce.
b) C alcule el coeficiente de variabilidad.
c) Si se cobra un impuesto adicional de 5 u. m . p or persona,
cul es la desviacin tpica?
d) Si se reajustan los impuestos p or persona en 2 0 % , cul es la
varianza?
9] E l C. V. de los ingresos de 200 em pleados de u n a com paa es
57 p or ciento. Despus de reajustar, segn ley, todos los sueldos en
E 11, este C. V. es ahora de 50 p o r ciento. Sin em bargo, la
gerencia fija un sueldo m nim o de E 71. Antes del reajuste,
haba 35 personas que tenan un sueldo m edio de E 4 0 y todos
ellos ganaban menos de E 60; con la nueva poltica de la ge
rencia, sus sueldos sern elevados a E 71. D eterm ine la cantidad
de dinero que necesitar mensualm ente la com paa, p ara pagar
los sueldos despus de h acer efectivos los reajustes.
10] E n una distribucin de frecuencias se m ultiplican los valores de
variable p or 3, y se obtiene una media aritm tica de 54; si se
suma 5 a los valores de la variable, se obtiene una media cua
drtica de 24. Calcule el coeficiente de variabilidad de la dis
tribucin.
11] Se clasific a los trabajadores de un m ineral en dos categoras:
mayores y menores de 25 aos, y se extrajo la siguiente infor
m acin:
Nmero de
obreros
**h
Mayores de 25 aos
M enores de 25 aos
200
300
Productivi Desviacin
dad media
tpica
Yh
O
40
60
70
40
71
SO LU CI N DE E JE R C IC IO S
4.5 C. E n . - 5
S O LU C I N D E E JE R C IC IO S
1] Dado que el m enor valor es 0, el m xim o 60, y se especifican 8
intervalos de am plitud constante, se clasifican los datos en la si
guiente form a; quedan as resueltas las partes a, b y c.
y
1 /t-j _ y<
1
0 - 8
8.1 - 16
1 6 .1 -2 4
2 4 .1 -8 2
3 2 .1 -4 0
40.1 - 4 8
48.1 - 5 6
56.1 - 64
nl
21
17
9
8
3
0
1
1
60
*1
H.t \
2 1 /6 0
1 7 /6 0
9 /6 0
8 /6 0
3 /6 0
0
1 /6 0
1 /6 0
2 1 /6 0
3 8 /6 0
4 7 /6 0
5 5 /6 0
5 8 /6 0
5 8 /6 0
5 9 /6 0
6 0 /6 0
infra
21
38
47
55
58
58
59
60
6 0 /6 0
3 9 /6 0
2 2 /6 0
1 3 /6 0
5 /6 0
2 /6 0
2 /6 0
1 /6 0
Ar, t
60
39
22
13
5
2
2
1
H t
72
ESTA D G RA FO S D E SC R IP T IV O S E ST T IC O S
15
Ni
20
15
10
16
24
32
40
56
48
64
X =
2 X,
i=i
967
60
16.12
Marcas de clase
,? lY n
Y
n
912
J 2 V , h,
Yi
4
2 1 /6 0
1 7 /6 0
9 /6 0
8 /6 0
3 /6 0
0
1 /6 0
1 /6 0
12
20
28
36
44
52
60
152
60
Y ih {
8 4 /6 0
2 0 4 /6 0
1 8 0 /6 0
2 2 4 /6 0
1 0 8 /6 0
0
5 2 /6 0
6 0 /6 0
9 1 2 /6 0
M to d o s a breviados
H a c ie n d o O t =
20
73
SOLUCIN DE E JE R C IC IO S
Yi
4
12
20
28
36
44
52
60
21
17
9
8
3
0
1
1
-1 6
-8
0
8
16
24
32
40
60
Z\ n,
2?
zr ,
-336
-136
0
64
48
0
32
40
-2
-1
0
1
2
3
4
5
-4 2
-17
0
8
6
0
4
5
-288
-3 6
15.2
2 Z ? n,
/ -3 6 \
---- == 20 -f- 8 [ --------) = 20 - 4.8 =
n
\ 60 /
15.2
Mediana:
n
Nk-1
YU
Me =
n
60
= =
+ Ck -------------
12.23
YU +
CL H].,.
- - tal -
n k-i + n k+i
8 17
17
74
ESTA D G RA FO S D E SC R IP T IV O S E ST T IC O S
.iv) M edia arm nica
4.00
12.00
21.00
5.25
17.00
9.00
1.41
0.45
Y,
i
n ./Y
20.00
28.00
36.00
44.00
52.00
8.00
3.00
1.00
0.08
0.00
0.00
1.00
0.28
0.02
0.01
60
8
Ma
2] a) U n p r im e r in d ic a d o r es e l in greso p r o m e d io
exp resa e n
m iles
Y<
Yi
- y 'i
(la
p o b la c i n
Pais B
i
Y i i
Y'.
1 -i -- y 'i
yi
i %
2?
10 - 2
-1
-2 0
8 0 - - 100
90
30
2 700
6 0 --
90
75
1 0 0 -- 120
110
80
8 800
9 0 - - 120
105
20
1 2 0 -- 140
130
40
5 200
1 2 0 --1 5 0
135
50
1 4 0 -- 1 6 0
150
10
1 500
1 5 0 -- 1 8 0
165
20
20
1 6 0 -- 2 0 0
180
720
1 8 0 -- 2 1 0
195
15
30
2 0 0 --2 2 0
210
210
2 1 0 --2 4 0
225
10
30
2 4 0 --2 7 0
255
16
165
Ot
129
19 130
2 Y, n
YA ~
se
d e p erson a s).
Pais A
1 *-i
60.00
n
SZ'f n,
56
19 130
C -------------- -
-2 0
115.94
165
135
4-
56
30
148.02
129
g ra d o d e des
p o r h ab ita n te;
75
SO LU CI N DE E JE R C IC IO S
M- = Y'k_t +
A
M dB =
C k nk+1
20-40
- -
100 + =
k-! + nk+i
135 co rre s p o n d e r
con
70
la
m arca
de
clase
111.4
que
tien e
la
fre cu e n cia m xim a , p u e sto q u e los in terva los co n tig u o s tien en igu al
frecu en cia . N o se p u e d e p r e te n d e r resu m ir u n a situ a cin tan c o m
p le ja en u n p a r d e estadgrafos, pu es ca d a in d ic a d o r con stitu ye u n
anlisis pa rcial d e a q u e llo q u e es suscep tible d e cu a n tifica ci n .
b ) Se trata d e a cu m u la r las frecu en cia s h acia arriba, hasta c o m p le
tar el 3 0 % d e n. C o m o las frecu en cia s n o c o in c id e n p erfecta m en te
c o n esta cifra , se h ace n ecesario d iv id ir e l in terv a lo d e m anera
q u e la fre cu e n cia a cu m u lad a N f
sea e l 3 0 % d e n.
Pas A
n == 165
0.30 n = 49.5
L a fre cu e n cia a bsolu ta d eb er ser 34.5 para satisfacer las c o n d i
cio n e s d e l p r o b le m a ; 34.5 represen ta el 8 6 .2 5 % d e 40 y en esta
p r o p o r c i n se d iv id e e l in terva lo, q u e d a n d o
Y<
1 -i - 1Y '
y i nv
122.75 - 140
1 4 0 .0 0 - 160
1 6 0 .0 0 - 2 0 0
200.00 - 220
34.5
10.0
4.0
1.0
131.38
150.00
180.00
210.00
4 532
1 500
720
210
49.5
Ya
Pas
6 962
6 962
=
140.6
49.5
tabla.
Y'.
1 i-1 Y'1i
n,
yi
Yi ;
1 6 5 .5 - 1 8 0
1 8 0 .0 - 2 1 0
2 1 0 .0 -2 4 0
240.0 - 270
9.7
15.0
10.0
4.0
172.7
195.0
225.0
255.0
1 675.2
2 925.0
2 250.0
1 020.0
38.7
7 870.2
76
ESTA D G RA FO S D E SC R IP T IV O S E ST T IC O S
7 870.2
YU -Y'i
8 0 -1 0 0
1 0 0 -1 0 9
ni
Yi
30
36
90.0
104.5
66
2 700
3 762
6462
6462
=
97.9
Pais S
p
* *. -i _ *Y<t
6 0 - 90
9 0 -1 2 0
1 2 0 -1 3 3
Yi
Yii
10.0
20.0
21.6
75.0
105.0
126.5
750.0
2 100.0
2 732.4
51.6
5 582.4
5 582.4
tr*onju
n to)
, \
c)i vY (C
nA ^ A + nB
---------------------------=
nA~hnn
_
294
d)
dd
77
S O L U C IO N D E E J E R C IC IO S
Para e l p a s B
M T Y - 1
L 1.05
=
1.05
8]
- M [Y ,] ==
L
1.05
148.02 =
141.0
Se sabe q u e
In g re so total
=
In g reso p o r h ab ita n te
P o b la ci n
Y
_
310
(o b r e r o )
pero
1 /5 Y
------------0.59 P
= 310 P,
(o b r e r o )
lu e g o
1 /5 ( 3 1 0 . P )
------------- =
0.59 P
62
=
105.08
0.59
300
Mu =
720
=
n,
=
200
100
103
T 20"*"8 T
5] Sean x e y lo s n m eros:
x+ y
- = 8
2
Vr y = 2
2
Mh
1
x
_j_ 1
y
x+ y
xy
2xy
x+ y
xy
x+y
2
78
6]
7]
y 5 .8
. 7.2 =
-y/41.76 =
6.459
Y 'i
Y'
Y',
"l
Y'
tij
Y'
1 2
Y'
1 3
Y'<
V'2
Y
Y'4
60
60
y;
E s ta d g r a fo s
N,
N2
75
N
n5
30
30
n6 + 5
n
Q j = 43.5
150
150
n 6 ;; n 2 =
n5
n3 =
n4 =
30
Se sabe que
1 +
ni
n2 - f n3 =
! +
nt =
20
n2 =
25
5 +
75
30 = 75
luego
Nk-1
Qi =
Y'
4
Ck --------------nk
79
SOLUCIN DE E JE R C IC IO S
37.5
- 20
Qi = Y 4- Ck -----------1
Pero
25
4 Ck
Y' = Y' +
60
Luego
Y
60 -
4 Ck
60 -
17.5
4 Ck 4 - Ck ----- =
25
3.3 Ck =
60 -
60 -
43.5 =
4 Ck - f 0.7 Ck
16.5
16.5
YU
Y<
Ni
35
40
45
50
55
60
40
45
50
55
60
65
20
20
25
30
30
25
45
75
105
130
150
20
D6 = Y U
10
N*.,
+ Ck ---------------nk
D =
Y4 +
9 0 -7 5
30
75
50 4 --------=
30
52.5
80
yi
Y i i
I i i
10
30
25
15
13
300
750
750
910
1080
550
3000
22 500
37 500
63 700
97 200
60 500
4 340
284 400
30
50
70
90
12
110
4 340
43.4
10 0
0a
284 400
=
(43.4) 3 =
2 844 -
Z\
Z'i
960
-4 0
- 1 200
48000
-5 0 0
0
10 0 0 0
0
260
480
300
5 200
19 200
8 000
-6 6 0
100400
40
60
2 2 ? n,
n
/E Z n ,
\
50 se tiene
Zf(
zr
-2 0
0
20
1884 =
10 0
n,
-6 0
-2 5
-2
-1
0
1
2
2f
12 0
25
13
24
15
13
48
45
-3 3
251
100400
10 0
l'am bin
(2 5 1
'I
400 < :------ 0.11 >
IlOO
b) E l C. V. es
960
81
SOLUCIN DE E JE R C IC IO S
C. V. = _ =
Y
V96
----43.4
==
31
= 71.4%
43.4
c) Recurdese que
V [Y. -f K] = V [Y]
V [Y, -f 5] = V [Y,] = 960
Luego,
0 31
d) Recurdese que
V [K Yj] = K* V [Yj]
V [1.2 Y,] = 1.44 V [Y] = 1.44 (960) = 1 382.4
9] Los datos son
= 0.57
Y
o
(1)
0.50
(2)
11
ya que.
M [K .+
Y ,]
V [K +
= M
Y ,]
[Y,]
= V
+ K
[Yj]
Luego,
a a= 0.57 Y remplazando en (2)
0.57 Y = 0.50 ( + 11)
0.07 = 5.5
Y = 78.6
82
Adems, esta media estaba compuesta por dos grupos: 35 perso' as con ingreso medio de 40 y 165 personas con ingreso de Ylt
que se obtendr de
- =
Y, =
-----------------------
14 360
165
87
n , ~l%
M0 [YJ = | _ _ _ ]
MC [Yt + 5]
S (VI n. + 10 Y, n, + 25n,) = ^
2 Y\ n,
JL-
L 4- 10
2 Y , n,
4- 25 = 576
24
SOLUCIN DE E JE R C IC IO S
SY'I n
83
(- 10 (18) = 551
2Y f nt
i- = 371
Siendo
o2 = S Y * Y2 = 371 - 324 = 47
n
a
6.86
6.86
C. V. = ----- = 38.11%
18
Aplicando las propiedades de la varianza, es posible llegar al misrtio resultado:
V[Y] = V[Y, + 5] = M* - ( 4- 5)2 = 242 - 232 = 47
11] La descomposicin de a2 en <j| y o* es til para llegar al va
lor de la varianza del conjunto
2 (hY)2nh
2oJ nh
o = = -------------------------1---------------
2 Y hnh _
n
40 (200) + 60 (300) _
500
o2 = ------------
288 + 192
9 800 + 4 800
o2 = ------!---------1------------!---------- =
5
5
12] Los datos son:
= 0.4
a
0.2
15 080
5
= 3 016
84
1.5
0.5-0.4
0.2
= 0.5
175
85
DISTRIBUCIN NORMAL
ANEXO: DISTRIBUCIN NORMAL
16
f (*)
M d
M e
86
i (x) = ---------- e
- K(
o \Z2re
02
(x - x) f(x)
87
DISTRIBUCIN NORMAL
XX
M [t] = [M
(x ) -
X]
= 0
v r
a-
o2
V [*] =
a-
.*
"i!
f e a dt
V2
ya que
x x
t = ------o
dx = a dt
En cualquier texto de estadstica aparecen los valores tabula
dos de la distribucin normal tipificada; una manera muy co
rriente de tabularla es la siguiente:
88
Variable tipificada
l
0.00
0.05
0.10
0.15
0.20
0.25
0.000
0.020
0.040
0.060
0.079
0.099
0.50
0.60
0.80
0.90
1.00
1.20
1.50
1.60
2.00
2.50
5.00
oo
0.195
0.226
0.288
0.316
0.341
0.385
0.433
0.445
0.477
0.494
0.499
0.500
i
'\
89
DISTRIBUCIN NORMAL
x = 22
22-25
t0 = ---------- = -0.6
5
x, = 26
26-25
t, = ------- - = 0.25
5
Ill
NMEROS NDICE
A.
EL PRO BLEM A
GEN ERA L
B.
91
C.
F R M U L A S DE CLCULO
Ejemplo;
P e r o d o
P r e c io d e l b ie n
1960
1961
1962
1963
R e la c i n p o r c e n t u a l
20
10 0
25
26
30
125
130
150
A (metro)
B (quintal)
C (litro)
D (tonelada)
1960
1964
10
10 0
50
15
140
60
168
221
92
NM EROS NDICE
1964
221
131.5 = ----- 100
168
A
B
C
D
(metro)
(kilo)
(litro)
(tonelada)
1960
1964
10
1
15
1.4
60
50
8
69
82.4
93
1960
1964
10 0
10 0
10 0
10 0
150
140
B
C
D
12 0
75
i
Po
94
NMEROS NDICE
2 pq0
2 Po qo
2pq0
2 p0q0
2 pnq
2poq
2 p0qn
95
FRMULAS DE CALCULO
IV
2 P qB
2 po qo
Ao 0
A rtcu lo s
A
B
C
D
4
3
8
20
10
2
10
Ao 2
4
5
3
12
4
8
30
12
2
9
3
3
15
3
20
5
7
40
p: precio; q: cantidad.
Po = Po y q =q0
Para los ndices de Laspeyres se tiene:
IP L
( , 1) =
2 p0q0
IPL
(ao 2)
v
'
40 + 12 + 80 + 40
2 p 2q0
80 4- 15 + 70 + 80
= =
- ------
2 p 0q0
40 + 12 + 80 + 40
11M
172
245
= ---- = 142.4
172
(ao 2)
v
'
2p,q,
6 0 + 1 5 + 105 +120
300
= ------- = --------------------------- = ----- = 135.1
2pq2
3 0 + 1 2 + 120 + 60
222
El ndice de valor:
IV (ao 1) =
2 p! Qi
60 + 12 + 96 + 60
228
- =---- ----
=
= 115.1
2 po q0
4 0 + 12 + 80 + 40
172
96
NMEROS NDICE
IV (ao 2) =
2 p., q,
2 po q0
60 + 15 + 105 4- 120
300
- ---- ------------- =
4 0 + 12 + 80 + 40
172
= 174.4
A os
IP L
0
1
10 0 .0
10 0 .0
10 0 .0
116.3
142.4
115.2
135.1
115.1
174 4
IV
Z -p.q.
q"
2
po
2 qo Po
2 ----- * qo Pn
2 q 0 p
2 q P
2 q 0 pu
97
PRUEBAS
2 p - (q+ q)
2po (qo + q)
S Pn (q0 A q)
2 p (q A q)
2 p0 q0
2 p0 q
P R U E BA S SO BR E
LO S N M ERO S N DICE
98
NMEROS NDICE
2 qnPo
2 (JoPo
2 pn(Jn
2 po (Jo
IPP X IQP * IV
2 p q
2 q p
2 p q
2 p0q
2 q0pn
2 p q0
2 qnPn
2 qo pn
2 Pn qn
2 po qo
IPP X IQL = IV
2 pnqn
2 p q
2 qnPo
2 q p0
2 pnqn
2 p0q0
99
PRUEBAS
2 Pa qa
Spaqb
2 Pb qs
IPPb,a IPPa,b = 1
s Pbqb
2 pa qb
2 Paga
2 Pb qa
IPFb, a X IPFa,b = 1
2 pb qb \ K/ 2 Pa qb
2 Pa qa
2 Pa qb / \ 2 pb qb
2 p bqa /
P ru e b a circu la r
100
NMEROS NDICE
ip l 3. x
2p=qi
2 p, qt
2 p 3qi
2 pi qi
E.
BA SE DE UN N M E R O
N DICE
101
BASE
100
1960
100
1961
110
1962
120
1963
144
1964
180
1965
190
102
NMEROS INDICE
n d ic e d e b a s e v a r ia b le
1960
1961
1962
1963
1964
1965
110.0
109.1
120.0
125.0
105.5
1956
1957
1958
1959
1960
1961
1962
n d i c e
b a s e 1 9 5 6 = ! 100
100
120
150
180
n d ic e
b a s e 1959 = 100
100
110
132
150
Mediante una sencilla regla de tres, puede completarse cualesquiera de las dos series , para tener el movimiento del ndice
durante todo el perodo.
A os
n d ic e
b a se 1956 = 100
1956
1957
1958
1959
1960
1961
1962
100.0
120.0
150.0
180.0
198.0
237.6
270.0
n d i c e
b a s e 1959 =
55.6
66.7
83.3
100.0
110.0
132.0
150.0
100
UTILIZACIN
103
d e fla c ta c i n *
1 04
NMEROS NDICE
105
UTILIZACIN
106
NMEROS NDICE
2 p n
----------------- = --------- = 2 po q
IPP
2 p nqn
2 p0q
El resultado es evidentemente un quantum, es decir, cantida
des del perodo n, valorizadas a precios del perodo base. Si se
hubiera deflactado por un ndice de precios de Laspeyres, se
tendra:
Valor nominal
2 p q
IPL
2 pnq0
2 p q0
= IQP 2 p0 q0
107
UTILIZACIN
P o d e r de co m p ra
A os
1958
1959
I960
1961
1962
1963
S u e ld o d e un
e m p le a d o
(u . ot. d e c j a o )
n d i c e d e p r e c io s
a l c o n s u m id o r
(b a s e 1963 = 100)
409
480
600
680
720
900
36.5
50.6
56.5
60.9
69.3
10 0 .0
S u e ld o r e a l
(u . m . d e 1963)
A
_ 10 0
B
1 096
946
1 062
1 117
1 039
900
10 8
NMEROS NDICE
P e r io d o
1959
1900
1901
1902
1903
Enero
Abril
Agosto
n d i c e d e p r o d u c io n
in d u stria l
fa s e 1919 = 100
n d i c e d e v en ta s
in d u stria le s r e a le s
fa s e 1959 = 100
10 0 .0
10 0 .0
103.5
98.3
1 0 0 .1
1 1 0 .0
113.8
127.7
108.4
120.9
129.8
132.1
12 2 .2
1 1 2 .8
109
UTILIZACIN
110
NMEROS NDICE
IPX
Y
Y = ------IPY
Z
Z = -----IPZ
IPY
IPZ
IPW
IPY
IPZ
111
UTILIZACIN
M
IPM
El deflactor implcito del producto (DI), segn esta restriccin, estar dado por la relacin
DI = ----P
P
Puede verificarse al mismo tiempo que el deflactor implcito
es equivalente a la media armnica de los deflactores compo
nentes.
i
i
C -I-----------I l-I-------------E
--------------M
IPC
IPI
IPE
IPM
Si la restriccin fuera de otro tipo, por<r ejemplo que la suma
de los valores agregados sectoriales rep oducen el producto bruto,
se tendr otro deflactor implcito sujeto a la restriccin pro
puesta. Habra que discutir previamente posibilidad de encon
trar deflactores adecuados para el valor agregado; una alterna
tiva, por cierto muy discutible, es deflactar el valor agregado de
cada sector, por los precios de los bienes que el sector produce.
El resultado sera un poder de compra de los valores agregados
sectoriales, en trminos de los bienes que produce cada sector.
Puede argumentarse en favor de este mtodo, sosteniendo que
la contrapartida fsica del valor agregado es justamente la can
tidad de bienes producidos, sin embargo, la justificacin es en
extremo dbil. En todo caso, en los cursos de Contabilidad So
cial se muestran las ventajas y desventajas de este y otros mtodos
de deflactacin. Para ilustrar, en seguida se detalla este proce
dimiento. Si se desea llegar a expresiones reales, cada rama de
actividad debera deflactarse por un ndice de precios relacio
nado directamente con dichas ramas de actividad. As el valor
agregado por el sector industrial, debera deflactarse por un n
dice de precios tie bienes industriales; el valor agregado por el
sector agropecuario, se deflactara por un ntlice de precios de
l
------------
NMEROS NDICE
112
2 P R ij =
i-l
PNj
100
DL
Remplazando en la igualdad anterior, se tiene
PNj
DI
Despejando DIj
113
UTILIZACIN
PN,
DI j
PN j
que justamente corresponde con la definicin de media aunnica de los deflactores sectoriales, considerando como ponderacio
nes los productos nominales de cada sector, ya que
PNj =
i,
2 P Nh
i=l
M inera
A gricultura
Ind u stria
Servicios
Producto b ru to nom in al
In d ic e s d e p r e c io s (b a s e 1960
Productos m ineros
Productos agrcolas
Productos industriales
Servicios
1960
1961
1962
200
300
200
500
300
350
250
600
400
400
300
700
1 200
1 500
1 800
130
110
120
110
150
120
130
120
= 100)
100
100
100
100
114
NMEROS NDICE
Producto real
(unidades monetarias constantes de 1960)
Sectores
1960
1961
1962
Agricultura
200
230.8
266.7
Minera
300
333.3
Industria
200
318.2
208.3
230.8
Servicios
500
545.5
583.3
1 200
1 302.8
1414.1
Deflactor implcito
PN l
PRj
100
1960
1961
1962
100
115.1
127.3
115
UTILIZACIN
P r o d u c t o b r u t o n o m in a l
(u. m . c o rrien tes )
Sector primario
Sector secundario
1956
1962
1 000
1 000
1 600
1 800
n d ic e s d e fla c t o r e s (b a s e 1956 =
Sector primario
Sector secundario
100)
10 0
10 0
110
300
Sector primario
Sector secundario
1956
1962
1 000
1 000
1 450
600
2 000
2 050
Sector primario
Sector secundario
91.0
33.3
100)
100
100
116
NMEROS NDICE
P r o d u c to b r u to r e a l
(u , ot. co n sta n te s)
1 100
3 000
1 600
1 800
4 100
3 400
117
A os
1962
196.3
1964
1965
I n d ic e
E stim a ci n
P r o d u c to
d e p rodu cd el p ro d u cto
in d u stria l
c i n in d u stria l
in d u stria l
( p r e c io s d e 1962) (b a s e 1962 100) (p r e c io s d e 1962)
5 000
10 0
198
12 0
135
5 000
5 400
6 000
6 750
NDICES
DE C O M E R C IO
E X T E R IO R
118
NMEROS NDICE
119
portaciones
12 0
NMEROS NDICE
EFI = PEX - QX
Adems
Poder de compra de exportaciones = Quntum de ex
portaciones X ndice de la relacin de intercambio
PEX = QX (IRI)
121
I9 6 0
1962
1964
1 000
10 0
10 0
10 0
20 0
1 20 0
1 500
140
110
130
280
1 000
10 0
20 0
20 0
1 043
92
218
115
110
12 0
240
1 000
201
-1 7
1026
1 071
85
255
217
-3 8
1 033
122
NMEROS NDICE
123
Tipo de cambio
Deflactor implcito de A
paridad ao n
ao base
Deflactor implcito de B
0
1
2
3
4
D . I . p a is A
100
120
150
200
300
D . I. p a is B
100
110
120
140
150
124
NMEROS NDICE
Ao
0
1
2
3
4
100.0
109.1
125.0
142.9
200.0
5.00
5.45
6.25
7.14
10.00
5] Transferencias implcitas
El hecho que en la actividad econmica se presenten transac
ciones intersectoriales donde cada sector tiene precios distintos,
origina cierto tipo de transferencias de producto de un sector a
otro, implcitas en las transacciones que efectan cuando se con
tabilizan a precios corrientes.
I.os sectores cuyos precios crecen menos que el promedio gene
ral de precios representado por el deflactor implcito, estn trans
firiendo parte de su producto hacia aquellos sectores que tienen
precios que crecen ms que el promedio de precios.
Evidentemente que la suma algebraica de las transferencias ser
nula, por cuanto la ganancia de unos sectores tiene como con
trapartida la prdida de otros.
Se definen las transferencias implcitas para cada sector, como
la diferencia entre la produccin valorizada a precios del sector,
y esa misma produccin valorizada a precios promedios repre
sentados, como se dijo, por el deflactor implcito:
Transferencias implcitas = Produccin a precios corrien
tes Produccin a precios constantes X Deflactor im
plcito
en smbolos
T Imp. = p q - p q (DI)
donde n y 0 indican el perodo que se calcula y el perodo base
respectivamente.
125
Produccin real
Ejemplo:
P r o d u c c i n n o m in a l
ao 0
ao 1
S ecto res
500
600
300
400
1
2
3
4
1080
800
350
420
I n d ic e d e
n d ic e d e
c a n tid a d P r o d u c c i n
p r e c io s
base 0 = 1 0 0
b a s e 0 = 100
real
12 0
110
10 0
90
2 650
600
660
300
360
180
12 1
117
117
1 920
S e c to r es
1
2
3
4
P r o d u c c i n
n o m in a l
p1q1
1 080
800
350
420
2 650
P r o d u c c i n
r e a l (D I)
p 0 q x (D I)
828
911
414
497
2 650
T r a n s fe r e n c ia s
im p lc ita s
+252
-1 1 1
-6 4
-7 7
0
12 6
NMEROS NDICE
ETAPAS DE SU CONSTRUCCIN
127
3] Seleccin de artculos
En las anotaciones que se hacen en los registros o libretas de
consumo acerca de los distintos bienes que se consumen, en ge
neral aparece una gran cantidad de productos, aunque muchos
de ellos responden a consumos espordicos o accidentales. Es pre
ciso seleccionar los productos ms importantes, de consumo habi
tual y representativos de las preferencias de los consumidores. Para
seleccionar estos productos y servicios no es conveniente un m
todo aleatorio, pues es preferible decidir qu productos sern con
siderados en el ndice, tomando en cuenta el volumen del gasto
efectuado en cada bien o servicio. En esta forma se llegar a esta
blecer una lista de 100 a 300 productos cuya importancia relativa
o ponderacin se tiene tabidada.
4] Formas de valuacin
Otra etapa importante durante el proceso que permite confec
cionar ndices de precios, es la decisin acerca de los tipos de
precios que se considerar. Sabido es que los precios varan enor
memente segn el lugar donde se adquieren los productos; por
otra parte es corriente que para artculos considerados de prime
ra necesidad, hayan precios oficiales y precios reales con gran
des diferencias entre s. Para el caso tie ndices de costo de vida
los precios debieran tomarse en los lugares donde el consumi
dor adquiere los productos: almacenes, ferias, etc. Sobre el par
ticular es necesario tomar decisiones previas en forma categrica.
5] Variaciones de calidad de los bienes y servicios
Otro aspecto fundamental es la especificacin precisa, hasta don
de sea posible, de la calidad de los productos, de manera que se
pueda controlar a travs del tiempo la invariabilidacl de sus
caractersticas. Es muy frecuente, sobre todo en los artculos con
trolados, que se incrementen los precios reales, permaneciendo
fijos los precios nominales, por una disminucin de la calidad de
los productos.
6] Base del indice
En general cuando se plante el tema se advirti sobre la nece
sidad de elegir como base un perodo donde estuvieran ausentes
las modificaciones y circunstancias violentas. Ahora debe agre
garse que, en el caso de ndices de costo de vida, el perodo base
debe ser modificado, toda vez que la estructura de consumo haya
128
NMEROS NDICE
129
TEM A S DE DISCUSIN
TEM AS DE DISCUSIN
^1967 =
Transferencias implcitas del sector primario al resto de la eco
noma 200. Indice de precios en 1967 del sector primario 140.
6 ] El deflactor implcito es nico, independiente de la restriccin
planteada.
7] Las pruebas planteadas por Fischer significan una seria limita
cin a la utilizacin de ndices de Laspeyres y Paasche.
8 ] Los siguientes datos son consistentes
E FI =
-2 0 0
QX =
4 000
IP X =
150
IR I =
80
3 000
QX =
2 400
IR I =
80
130
NMEROS NDICE
Ao
V en ias lo la le s
en u. m .
c o r r ie n te s
1961
1966
5 000
9 000
lite n "A
P r e c io
C a n tid a d
10
15
400
}
B ie n B
P r e c io
C a n tid a d
100
400
6 000
180 000
1 31
PROBLEM AS PROPUESTOS
U nidades m onetarias de A por una unidad
m o n etaria de B en 1962
P rodu cto re a l de A en 1968 en u. m. de 1964
P roducto real de B en 1968 en u. m. de 1962
10
4 000
120 000
_
110
120
110
1964
1967
2 000
5 000
3 000
4 000
6 000
5 000
1964
1967
2 000
5 000
3 000
2 500
5 000
4 000
P r o d u c t o b r u to
(u. m. constantes de 1964)
13 2
4]
NMEROS NDICE
Los ndices de precios y produccin industrial han sido los si
guientes:
n d ic e s
1958
Precios
Produccin
1959
1960
1965
80
10 0
150
300
10 0
110
12 0
125
EJERCICIO S
1]
A r tcu lo s
C
A os
<7
<7
<7
1959
10
12
15
10
30
10
1960
12
12
15
15
30
15
1961
15
20
10
20
50
20
1962
20
20
10
30
50
20
1963
30
30
15
50
60
20
2]
133
PROBLEM AS PROPUESTOS
A os
I n d ic e
1957
1958
1959
1960
1961
1962
1963
104
102
108
120
150
130
A os
n d ic e d e p ro d .
in d u st: b a s e 1955
1955
1956
1957
1958
1960
1961
1962
1963
1964
n d ic e d e p rod .
in d u st. b a s e 1960
100
106
114
120
130
_
_
-
100
112
120
130
145
1956
1957
1958
1959
1962
1965
A gricultura
Servicios y otros
Ind u stria
2 000
4 000
1 600
2 600
5 600
2 000
3 100
5 800
2 800
4 000
7 900
3 800
6 000
9 000
5 500
8 00C
10 000
6 000
Producto
7 600
9 600
11 700
15 700
20 500
24 000
134
NMEROS NDICE
Por otra parte, se dispone de los siguientes ndices para los mis
mos aos.
Indice costo vida
Indice de precios al
por mayor
ndice de produccin
industrial
ndice de precios de
la construccin
ndice de sueldos y
salarios
80
10 0
130
150
190
2 10
10 0
12 0
140
170
2 10
220
10 0
110
125
140
170
20 0
90
10 0
12 0
160
20 0
2 10
10 0
125
140
160
180
20 0
Se le pide que:
a ) Calcule el producto bruto real para los seis aos en unidades
monetarias de 1956 y luego de 1962. Compare los resultados.
b ) Calcule el ndice deflactor implcito del producto bruto y ex
plique su significado.
5] Una familia incrementa sus ahorros nominales en 360 por ciento
entre 1955 y 1962. Si en el ao 1962 dicha familia desea invertir
sus ahorros en materiales de construccin, slo podr adquirir una
cantidad 20 por ciento mayor que en 1955; en cambio, si destina
sus ahorros a la compra de productos agrcolas, no alcanzar a
obtener la cantidad que habra
comprado en 1955. Pero almismo
tiempo, si invirtiera sus ahorros
para comprar ambos tiposdebienos, de tal modo que gastase igual suma en cada uno, podr ad
quirir una cantidad 5 por ciento superior al ao 1955. Se le pide
calcule el ndice de precios de productos agrcolas para 1955 con
base 1962. Qu limitaciones tendra el mtodo empleado?
6 ] Se disponen de antecedentes, sobre la base de una muestra de
A os
M u estra d e p r o d u c to s d e e x p o r ta c i n
B
C
D
A
p
q
p
q
p
p
q
1958
1959
1960
1961
1962
1963
3
3
4
4
4
10
10
10
10
12
15
20
20
25
30
30
25
6
8
6
8
8
4
4
4
5
5
20
20
25
12
14
16
4
4
2
2
6
6
6
8
3
3
2
V a lor
t o ta l
d e las
expor
ta c io n e s
250
320
420
450
480
500
1S5
SOLUCIN DE E JE R C IC IO S
1959
I9 6 0
1961
1962
1963
100
120
160
240
310
430
IP M
SOLUCION DE EJERC IC IO S
1J a )
IP L
2 p q0
2 p q
A
13
1)
T ota l
A os
P,,<lo
PnVo
Pn<lo
P<0
2 p,,q
1959
1960
1961
1962
1963
120
144
180
240
360
60
60
75
75
90
10
10
20
20
20
300
300
500
500
600
>
490
514
775
835
1 070
b)
IQ P
n d i c e b a se
1959=100
100.0
104.9
158.2
170.4
218.4
2 qn P
2 q P.
Ao
P n<l
P<1
P r f
1959
I960
1961
1962
1963
120
144
300
400
900
60
60
50
50
90
10
15
40
60
100
D
P /I n
300
450
1 000
I 000
1 200
T o ta l
2 /><jr
490
669
1 390
1 510
2 290
n d ic e
100.0
130.2
179.4
180.8
214.0
136
NMEROS NDICE
c) El ndice de valor puede obtenerse multiplicando los dos ndi
IP L
1Q P
IV
1959
1960
1961
1962
1963
10 0 .0
10 0 .0
10 0 .0
104.9
158.2
170.4
218.4
130.2
179.4
180.8
214.0
136.6
283.8
308.1
467.4
1957
1958
1959
1960
1961
1962
1963
10 0
10 0
10 0
10 0
10 0
10 0 .0
104
104
104
104
10 0 104
10 0 104
10 2
1 0 2 108
10 2 108
10 2
10 2
^ 108
108
12 0
12 0
12 0
150
150 130
104.6
106.1
114.6
137.6
206.2
268.1
A os
1957
1958
1959
1960
1961
1962
1963
n d i c e
b a se fij a 1 9 6 0 = 1 0 0
87.3
90.8
92.6
10 0 .0
12 0 .0
179.9
233.9
100
^61.55
^61.60
137
SOLUCIN DE E JE R C IC IO S
y de igual forma para todos los aos. Para empalmar hacia atrs
el otro indice, el procedimiento es similar. Los ndices empalmados
se muestran a continuacin:
n d i c e b a s e 1955
n d i c e b a s e 1960
1 .0 0
1955
10 0 .0
1956
106.0
76.9(100
81.5 (100
1.30^
1.06
T m )
1.14
1957
114.0
87.7(100
1958
12 0 .0
92.3(100
1960
1961
1962
1963
1964
1.30^
1.2 0
130.0
145.6
156.0
169.0
188.5
(130
(130
(130
(130
1 .1 2 )
1 .20 )
10 0 .0
1 1 2 .0
12 0 .0
1.30)
1.45)
130.0
145.0
lio *
Deflactor agricultura
Deflactor servicios
ndice de produc. ind.
1956
1957
1958
1959
1962
1965
10 0
10 0
10 0
125
125
163
140
125
188
160
140
238
180
170
263
110
200
200
N U M ER O S IN D ICE
Los valores agregados reales, en u.m. de 1956, sern:
1956
1957
1958
1959
1962
1965
A gricultura
Servicios
Ind u stria
2 000
4 000
1 600
2 080
1000
1 760
1 902
4 143
2 000
2 128
4 938
2 240
2 521
5 000
2 720
3 042
5 000
3 200
7 600
7 840
8 045
9 306
10 241
1 1 242
D eflacto r agricultura
D eflacto r servicios
n d ice de prod. ind.
1956
1957
1958
1959
1962
1965
42
56
59
53
69
65
68
78
74
79
89
82
100
100
100
111
ill
118
1956
1957
1958
1959
1962
1965
4 762
7 143
3 245
4 906
7 246
3 575
4 559
7 436
4 070
5 063
8 876
4 510
6 000
9 000
5 500
7 207
9 009
6 490
15727
16065
18449
20 500
22 706
A gricultura
Servicios
Ind u stria
139
SOLUCIN DE E JE R C IC IO S
1956
1957
1958
1959
1962
1965
9 600
11 700
15 700
20 500
24 000
9 306
168.7
10 241
11 242
213.5
600
P rodu cto n om in al
Produ cto real
(u.m. de 1956) 7 600
D eflacto r im p lcito 100.0
7 840
122.4
8 045
145.4
200.2
n d i c e d e c a n tid a d
c o n stru cci n
100
460
100
120
1955
1962
n d ic e d e
c a n t id a d m ix to
'
100
105
n d i c e s d e p r e c io s
c o n str u c c i n
1955
1962
n d ic e s d e p r e c io s
m ix to
100
383
100
438
E l nd ice de precias m ixto, ser una com binacin lin eal de los n
dices de precios parciales, ponderados p or el gasto:
IP
(m ixto) =
pero W c =
438 =
Wa =
383 + IP (agrie)
---------1--------
IP (agrie) =
876 -
383 =
I P (a g rie)
b a s e 1955 = 100
493
I P (a g rie)
h a se 1962 = 100
100.0
20.3
493.0
100.0
140
NM EROS NDICE
Arios
19 58
19 59
1960
1961
1962
1963
b)
2 q p
A
'Po
20
B
QnPo
12 0
20
160
20
12 0
160
160
160
20
24
30
a
'loPo
D
'IPo
48
56
64
80
80
196
244
8
8
8
2 12
272
276
298
12
12
10 0
7 8 .4
7 9 .8
6 0 .9
8 8 .4
8 4 .6
8 5 .2
250
306
348
308
326
350
139
123
131
140
Putfn
ndice
10 0
12 2
2 p q
ip i = . _ d o n d e 0: 19 59
2 Po qo
Ailos
A
Polo
1958
1 9 59
1960
1961
1 9 62
1963
30
30
30
30
36
,45
B
PoOo
12 0
160
12 0
160
160
160
C
Po9n
48
56
64
80
80
10 0
D
Po9
8
8
8
12
12
8
pq
206
254
222
282
288
313
196
254
256
398
406
426
95.1
10 0 .0
11 5.3
141.1
141.0
136.1
141
SOLUCIN DE E JE R C IC IO S
P a r a d is p o n e r d e lo s d o s in d ic e s d e ig u a l b a se, se e fe c tu a r u n
c a m b io d e b a se a r itm tic o e n e l IP M .
IP X
IP M
IR I
1958
1959
1960
1961
1962
1963
95.1
8 5 .0
111.9
10 0 .0
10 0 .0
11 5.4
13 3.3
141.1
20 0.0
10 0 .0
86.6
14 1.0
2 5 8 .3
5 4 .6
136.1
3 5 8 .3
3 8 .0
7 0 .6
7] S e c o n sid e r a r n d o s g r u p o s: u n o c o m p u e s to p o r lo s c ig a r r illo s (C )
y o tr o c o m p u e s to p o r to d o e l r e sto d e lo s b ie n e s (R )
1C (W c ) - f I R (W u ) = 1.0 18
1.7 W c -f- 1.0 \V R = 1.0 1 8
pero W 0 4 - W R = 1
1 .7
Wc
. 1.0 (1 - W c ) = 1.0 18
0 .7 W c = 0 .0 1 8
0 .0 1 8
VVC = --------- = 0 .0 2 6
0.7
L o s c ig a r r illo s tie n e n u n 2 .6 % d e p o n d e r a c i n d e n tr o d e l n d ic e
d e c o sto d e v id a .
SEGUNDA P A RTE
ANALISIS DE REGRESION
Y CORRELACION
ANLISIS DE REGRESIN
146
ANLISIS DE REGRESIN
17
i-1
(Y, - Y c)2
147
n: es el nmero de observaciones.
Si se remplaza Yc por a X - f b dentro de la sumatoria, es po
sible, derivando, encontrar los valores de los coeficientes de regre
sin a y b que satisfacen la condicin. En efecto, llamemos Z a la
expresin:
Z = 2 (Y. - a X , - b)2
Se trata de derivar parcialmente respecto de cada uno de los
parmetros
~ = 2 2 {Y, - a X , - b) ( - 1) = 0
b
Aplicando las propiedades de la sumatoria se tiene:
2 Y1 = a 2 X 1 -)-nb
que es la primera ecuacin normal.
= 2 2 (Y - a X , - b) ( - X ) = 0
8a
Aplicando propiedades de la sumatoria
2-YiX, = a 2 X't -f z 2 X ,
que es la segunda ecuacin normal.
Obsrvese que se tienen dos ecuaciones normales y dos incgni
tas. Se trata de un sistema de ecuaciones que permiten calcular los
parmetros o coeficientes de regresin.
1? Ecuacin normal 2 Y i = a 2 X i - ) - n b
2^ Ecuacin normal: 2 Y X = a 2 X
} Sistema
b2 XJ
148
ANLISIS DE REGRESIN
siendo X c = a Y t + b.
Las ecuaciones normales, en este caso, por analoga, sern:
2 X f = a 2 Y, + nb
2 X ,Y , = ~ 2 Y + b 2 Y,
Tngase presente que los parmetros de la regresin de Y en
X , sern distintos de los parmetros de la regresin de X en Y.
Por ello suele distinguirse a estos parmetros de la siguiente ma
nera:
aYX: coeficiente de regresin de Y. en X ;
aXY: coeficiente de regresin de X en Y.
En general, cuando se analiza la relacin de las variables cuya
regresin se pretende determinar, se puede especificar cul es la
variable dependiente y cul la independiente. Una vez tomada la
decisin, se denominar con Y, a la variable dependiente o pre-
149
yen tas
Y
Ao
19 58
19 5 9
19 6 0
1961
19 6 2
1963
19 64
Gasto en propaganda
10 0
10
150
14
20 0
2 10
21
22
300
500
600
28
45
55
Yt
10 0
Xi
10
150
14
20 0
2 10
21
22
300
500
600
2 060
28
45
55
19 5
YX
1 000
2 10 0
4 200
4 620
8 400
22 500
33 000
75 820
*1
10 0
19 6
441
484
784
2 02 5
3 025
7 055
150
ANLISIS DE REGRESIN
donde
b' = log b
151
i- l
es decir:
Z = 2 (log Y, - a log X , - b')2
Derivando respecto de cada uno de los parmetros e igualando
los resultados a cero, se obtendrn las dos ecuaciones normales.
- - = 22
o b'
Z
= 2 2 (log Y a log X , - b') (-lo g X .) = 0
a
Aplicando a ambas derivadas las propiedades de la sumatoria,
se tiene:
2 log Y = a 2 log Xi -j- n b'
2 log Y, log X , = a 2 (log X )2 + b' 2 log X ,
que forman el sistema de dos ecuaciones normales que permitirn
el clculo de los dos parmetros. Evidentemente el mtodo es un
tanto laborioso cuando se tienen muchas observaciones, ya que es
necesario trabajar en los logaritmos con por lo menos 5 decimales
para evitar aproximaciones que pueden implicar serios desajustes.
c)
Exponencial: Cuando se desea calcular tasas de crecimiento
tomando en cuenta todos los puntos observados en el perodo his
trico se recurre principalmente a la funcin:
Y = a b*
donde b = 1 + i
t: tiempo en perodos
152
ANLISIS DE REGRESIN
g -j--- = 2 2
- - = 22
o log b
n log a +
lg b 2 ti
155
Z = 2 (Y, a
b Xi c)*
= 2 2 (Y, - a X 2 - b X , - c) (- 1 ) = 0
= 2 2 (Y, a X2, - b X i - c )
z
------ = 2 2
a
(Y ,-aX V -b X ,-c)
( - X ,) = 0
( - X 2, ) = 0
normal: 2 Y, =
a 2 X2, - f
2^ Ecuacin
normal: 2 YX = a 2 X 2- + sb 2
X 2 -f- c 2 X ,
3? Ecuacin
normal: 2 YiX 2= a 2 X*
X* -f- c 2 Xfj
-f- b 2
b 2 X -(-n c
154
ANLISIS DE REGRESIN
Z = 2 (Y, - - - ) 2
v
X ,'
Derivando respecto de a
Z
_
f S
f)
Otras funciones: Dentro del campo de la investigacin econ
mica a veces es preciso ajustar funciones particulares. La metodo
loga de la obtencin de ecuaciones normales es similar a los casos
considerados. Por ejemplo la funcin:
Y,, = a log X , -f b
Siempre se tratar de minimizar la expresin
Z = 2 (Y Ye)2
i-i
8a
( Y , - a l o g X , - b ) ( 1) = 0
155
a 1 .2 3 +
b l 2 .3 X
2+
b j 3 .2
X3
donde:
X 123: indica la variable dependiente X , que se relaciona con
las variables X 2 y X 3; esa es la razn de los subndices.
ai.23: coeficiente de posicin (trmino libre) del plano de re
gresin donde se consideran la variable dependiente X ,
y las variables independientes X , y X,.
bi2.s: coeficiente de regresin que multiplica a la variable X,
cuando adems se consitiera la variable X 9.
b192: coeficiente de regresin que multiplica a la variable X 3,
cuando adems se considera la variable X 2.
Es fcil extender esta notacin para los casos en que se consi
deren 3 o ms variables independientes. En el caso de tres varia
bles independientes (X 2, X 3, X 4) la funcin quedar as sim
bolizada:
A N L IS IS D E R E G R E S I N
156
(X j-X e j. )*
donde X t son los valores observados y X c i ,23 son los valores cal
culados de la variable dependiente. Por simplificaciones, se su
prime el subndice i. Las ecuaciones normales, en el caso de dos
variables independientes, se obtienen minimizando la siguiente
expresin:
Z 2 (X t 84.21 b12 3 X , b13 2 X 3)
Para ello, se deriva parcialmente respecto de cada uno de los
parmetros, igualando los resultados a cero.
O bjo i
2 2 (X x ax 23 b12 3 X 2 bJ3 o X 3) ( X 2) 0
CONSIDERACIONES PRACTICAS
157
B. CONSIDERACIONES PRACTICAS
158
ANLISIS DE REGRESIN
= al ogX, + logb
2 log Y
a 2 log Xi
- f-
n log b
CONSIDERACIONES PRCTICAS
159
2 YjX = a 2 X*
Por el proceso de derivacin, se llega al mismo resultado. En
efecto:
Z 2 (Y Y c)2 = 2 ( Y i - a X O 2
i=l
Z
a
= 2 2 (Y, - aX) ( - X .) = 0
2 Y, X, = a 2 X 7
En las pginas siguientes se tratarn conceptos referentes al
anlisis de correlacin, conceptos que permitirn cuantificar el
grado de asociacin entre las variables estudiadas y la validez de
las proyecciones a travs de las ecuaciones de regresin.
II
CORRELACIN
A . O B JE T IV O S D E L A N LISIS DE CORRELACIN
160 ]
T IP O S
GRFICA
161
18
B. TIPOS DE CORRELACIN
162
CORRELACIN
C. EL COEFICIENTE DE CORRELACIN
S (Yc -Y )-'
n
LIM ITADORES
163
D. LIMITACIONES DE LA CORRELACIN
164
CORRELACIN
E. CORRELACIN RECTILNEA
Jy
2 (Y Y)2
---------------------
165
CORRELACIN R E C T ILN EA
GR FICA
19
Grficamente;
g r f ic a
20
2>Yg
Grficamente:
-------
166
CORRELACIN
GR FICA 2 1
Evidentemente:
S = Sic -(- Sys
ya que:
2 (Y, - Y)2 = 2 (Y. - )2 + 2 (Y, - Y,p
2 Y ! - 2 2 Y, + n Y 2 = 2 Yi - 2 2 Yc + n * + 2 Yi - 2 2 Y Yt. + 2 Y?
Por otra parte 2 Yi = 2 Y 0 ya que:
2Yi = a 2 X - | - n b
ecuacin normal.
Yc = a Xi -j- b
Ecuacin de regresin rectilnea,
que al aplicarle el operador sumatoria, se transforma en:
2 Y,. = a 2 X , -f n b
Luego
2 Yc = 2 Y,
La relacin original en consecuencia puede simplificarse:
2 2 Y, Yc 2 2 Y, = 2 2 Y* 2 2 Y,
pero,
2 Yi = 2 Yc
C O R R E L A C I N R E C T IL N E A
y queda:
Pero:
167
2 Y, Y,. = 2 Y?
Yc
a X
- f-
Y* = a2 X*, + 2ab X , + b2
Yac = 32 X 1 4 . ab X , + ab X , + b=
Y: = a (a X=j -f b X ,) + b (a X , + b )
2 Y? = a (a 2
X? -f b 2 X .)
+ b (a 2 X , + n b)
168
CORRELACIN
22
x
X
Xx
S|c _
r" ~
S%
2 (Yc Y)2
2 (Y, - Y)*
169
CORRELACIN R E C T ILN EA
2 Y? 2 Y 2 Yc -f- n Y2
2 Y? - 2 2 Y , - f n 2
Obsrvese que 2 Y, = 2 Y| = n Y
2 Y? 2 n 2 -j- n Y2
2 Y2 - n Y 2
2 Y? 2 n Y2 -(- n 2
2 Y? - n Y 2
a 2 X . Yi + b 2 Y, - n Y2
2 Y? - n Y 2
23
170
CORRELACIN
tiene;
2 X2,
= a ------------ (- (Y - a X) X
+ X Y - a X2
2 X, Y
,
/2X1
- >
------------------X Y = a
'------ X 2 ,
Observando estas expresiones, se concluye que el primer miem
bro no es otra cosa que la covarianza de las variables Y, y X|, y la
171
CORRELACIN R E C T ILN EA
V[ X, ]
X c = a Y + b
Dado que
C (X , Yj) = C (Y, X ,) = *
S X Yj
- -
L_ Y X
V [Y,]..
r2 _
a 2 Xj Y + b 2 Y , - n Y 2
'
2 Y? - n 2
d ado que
bX Y aYX X
________
172
CORRELACIN
remplazando se tiene:
rz =
iyx 2 Xi Y i (Y Hyx X) 2 Y n Y2
---------------------------------------- _ ------------------------
2 YI - n 2
ar x { 2 X , Y . - n X Y )
2 Y ? n Y3
------------ y - y T
n
Luego
---- -
C[X,Y,]
' X ------------------------------
--Y 2
V [Y,]
ra = ayx axv
r =
V a YX
a XY
De otra manera
^ =
(C [X, Y,])2
C [X, Vi]
S;vt SV1
173
CORRELACIN R E C T ILN EA
Ordenamiento del
entrevistador 1
Postulantes
A
B
C
D
E
F
G
4?
Ordenamiento del
entrevistador 2
U*,
3?
i.
8?
7?
?
6
3?
8?
5?
1?
5?
2o
7?
6?
1?
V [tu ,]
174
C O R R E L A C I N
C[X, Y, ] . o
. . r
Sx ST,
(C [X jY ,])2
V [X,] V [Y,]
v [y- , Yi]_ S ( X i + Y , X )2 _
2 [ ( X , - X ) + (Y, Y)]2
' S (X, - X )2
2 (Y, - Y)2
2 2 (X, - X ) (Y, - Y)
V [X, + Y,] =
L + _ _ iJ
L . + __L_!
'
V [X, + Y,] = V [Xj] + V[Y,] + 2 C [X, Yj]
2 2 ( X j - X ) (Yj-Y)
2 2 (X, Y,- X Y ,- X , + X )
ya q u e------------------------------- ==-----------------------------------------------2 Xj Y,
- 2 Xj
- 2 X
= 2 [---------------X ---------- Y ---------- H X Y]
n
n
n
2 X, Y, - - 2 [-------------- X Y - Y X
n
- r
+ XY]
2 X Y,
- = 2 [---------- - X Y] = 2 C [X, Y,]
Por analoga la varianza de la diferencia de dos variables ser
V [X, - Y,] = V [Xj] + V [Y] - 2 C [X, Yj]
Dadas las variables ordenamiento u^, ua, se puede establecer una
relacin de diferencia entre ellas:
d = Ujj - Uj-j
V[dj] = V [u,j] + V [u,,j] - 2 C [ujj u2i]
C O R R E L A C I N R E C T IL IN E A
175
V
c [Un u2]
r =
-
V[u]
V[ u]
ya que
V [ u 2 ]
V [Uj,] = V [u21]
(2 V [u,,] V [d,]) y2
u 2
Entonces,
C [uu u2i]
V[u]-V[d,]V4
V [u,,]
V[ u]
1-
V [d,]
2 V[u]
V[u,,] = ------------- u7
176
CORRELACIN
( n + 1) (2a + 1)
/ n(n + l)y
6n
= ( n + l ) (2n + l )
2n
^ n + 1y
< n + l ) ( 2n + l)
( n + 1) (n + 1)
= (n + 1, [ ! ^ _ - i ]
|"4n + 2 3n 3 1
(n +
/ n - A
) (
r = 1 ------
Luego,
2
,
r=
n2 - l
12 )
12
V [d,]
Pii1)
62d?
--------------------
n (n2 - 1)
P o stu la n te s
A
B
C
D
E
F
G
H
21
d,
d?
3
4
1
_2
_1
1
1
1
6
1
1
1
0
36
36
10
n
4
7
3
8
2
_1
1
1
177
CO RRELACIN NO R E C T IL N E A
6 ( 10)
8 (63)
0. 88
F. CORRELACIN NO RECTILNEA
178
CORRELACIN
2 (Yc Y )2
2Y | n Y 2
Sv
2 (Y )2
2Y-; - n Y 2
pero,
Y = a* (log X J 2 + 2ab log X, + b2
Y? = a{a (log X ,)2 + b log X J + b {a log X , + b}
2 Y| = a{a 2 (log X,)2 + b 2 log X J + b { a ^ o g ^ J - j i b }
Ecuacin normal
Ecuacin normal
2 Y* = a 2 Y, log X, + b 2 Y
r2 =
a 2 Y log X + b 2 Y, - n 2
2 Yf - n Y 2
179
CORRELACIN NO R E C T IL N E A
si log f = b; log d = a
log Y = aX + b
r2
2 (Yc - Y )2
2 Y2 n Y2
2 (Y, - Y )2
2 Y? - n Y2
r2 _
2 (log Y )2 n log Y2
~~ 2 (logYj)2 n gY 2
donde,
log Y = M flog Y,]
2 log Y,
II
180
CORRELACIN
2 (lo g Y l o g Y ) 2
2 (lo g Y g Y )-
2 (Yc Y)2 (Y )2
CORRELACI N NO R E C T IL N E A
181
24
2 (Yc Y)2 _ 2 Y c- n Y 2
2 (Yi )2 ~ 2 Y? - n 2
Y2 = a2 X* - f b2 X 2 + c2 + 2 a b X 3 + 2 a c X 2 + 2 b c X
Y; = a2 X< -f a b X a + a b X 3 + b2 X 2 + a c X 2 + a c X 2 +
-f- c! - f b c X
b cX
Y? = a{a X t + b X? + c Xf } -f b{a X? + b X ?. + c X ,} +
+ c {a X 2 + b X + c}
182
CORRELACIN
a {a
2 X ? + b 2 X 3, + c 2 X } + b
+ c 2 X , } + c ( a 2X 2 + b 2 X
{a
-f
2X* + b SX? +
nc}
a 2 Y X? -f b 2 Y, X , - f c 2Y , - n Y 2
2 Y? - n Y 2
G. CORRELACIN MLTIPLE
1 .2 3
2 (X le - X )2 _
2 X?c - n X j
2 (Xu X ) 2 ~
2 X? - n X ?
183
CORRELACIN M U L T IP L E
= at 23 -f- b ,2.3 X
b13 X -3
Xjc
X2X3
X2
aj 23bJ2.3 X 2
3],03 bia.jx, +
bj 23 bt3.2 X 2X 2
ai.23 {ai.23 f~ b ,2 3
X2 -j- b 13.2 X 3}
X|
+ a ,.23 2
2 X\ =
ax.M 2 X ,
R- 3 =
= ---------
2X2
_ nX2
184
CORRELACIN
1*12.3
SI
'X s
1.2 3
185
CO RRELACIN M U L T IP L E
R i jk '5' r
2X ? - n X y
SXy n Xy
186
CORRELACIN
1 .2 3 4
1 .3 4
V 2 .3 4
Sx
s .
1 .2 3 4
1 1 3 .2 4
1 .3 4
2
a Xc
1 .2 4
q2
a X s 1 .2 4
S I
11 4 .2 .1
1 .2 3 4
Sxc
Sx*
1 .2 3
1 .2 3
<>
y*
1 1 3 4 .2
1 .2 3 4
q2
^Xs
5/5
q2
3 X
1 .2
1 .2
1 .3
7.
s 1 .2 3 4
r ik a
1 .4
1 .4
s 1 .2 3 4
q2
a X
S 2
X
3]
Correlacin mltiple logartmica
La linealidad de los planos de regresin ya vistos puede no ser
adecuada en muchos problemas de estimacin; en esos casos es
conveniente probar con otro tipo tie funciones, como por ejemplo:
X. = a,.o + bt2,
+ bI3.s X'f
187
ETA PA S DE L A CONSTRUCCIN
X lc = a XJ> x 3y
Para poder aplicar la metodologa de los mnimos cuadrados, es
necesario previamente linealizar esta funcin, aplicando loga
ritmos.
log X lc = log a + p log X 2 + y lag X 3
La funcin as linealizada es similar al caso de correlacin ml
tiple lineal; la nica diferencia radica en el hecho de que en los
cmputos deben tomarse los logaritmos de las variables. El coefi
ciente de correlacin mltiple logartmico, por analoga con el caso
de correlacin mltiple lineal (siendo log a = a *) es:
a * 2 log X x - j -
p S
log X j log X 2
** 1 0 8 ( 1 . 2 3 )
!-------------------
2 (log X i )2 n log X^
y 2 log X1 log X g - n log X^
+
188
CORRELACIN
ETA PA S DE L A CONSTRUCCIN
189
190
CORRELACIN
1] Presentacin conceptual
Un mtodo muy utilizado en proyecciones de variables socioeco
nmicas es el que utiliza el coeficiente de elasticidad entre las va
riables. El coeficiente de elasticidad se define como
dY
~Y~
~
dY
~dx ~ d Y
"y
f X
V
191
= a
X
~Y
X
a
Y~
pero Y = a X -j- b
E = a
aX + b
= - a X -2
dY
X
X
E = ------ _ _ a X-2
dX
Y
a
X
X2
E a X 2
a
192
CORRELACIN
= ab X a' 1
dY
X
X
E = ------ = ab X a-1
dX
Y
Y
pero Y = b X a
E = ab X a-1
X
b Xa
= a
193
Y0 ~ ' X 0 '
Por ejemplo, si a = 2
Y0 -
100
X u = 200
X = 300
Remplazando;
Y = 225
2] T ipos de elasticidad
Es necesario distinguir el tipo de elasticidad segn las variables
consideradas. De este modo, si la variable Y representa consumos
y la variable X representa ingresos, se habla de. elasticidad ingreso
del consumo o de la demanda. Por otra parte, si ,1a variable X re
presenta consumo y la variable Y representa consumo especfico de
un bien o conjunto de bienes similares, se habla de elasticidad gasto
del consumo especfico. Estos dos son los conceptos ms conocidos
y utilizados. Sin embargo, segn las denominaciones de las varia
bles puede hablarse de otros tipos distintos de elasticidad, como
194
CORRELACIN
3 ] Mtodos de clculo
A continuacin se presentarn las formas de clculo del coefi
ciente de elasticidad. Cuando se est utilizando la forma general
de proyeccin,
Y0
f^y
\X0 /
195
25
f
k
196
CORRELACIN
197
26
198
CORRELACIN
27
199
28
200
CORRELACIN
X = ingreso
X
= Inverso de la propensin media al consumo
Luego
E = Propensin marginal
Propensin media
b)
Si el consumo total X se divide en consumos parciales u,, u2,
u3 . . . uk> de manera que,
2 u, = X,
i-i
201
Ui
dX
C O RR ELA CI N
202
= aW rpX M
Ex = a W ^ X M
pero Y = a X W?
Luego,
Ex = a W r p X -1
X
aXPWT
Ex = [3
Para el segundo caso se tiene:
Ew = a X v WT - 1
W
a XP W r
Ew = y
Los exponentes ele la funcin potencial mltiple corresponden a
los conceptos tie elasticidad respectivos.
Para determinar la magnitud de los parmetros a, [3, y, donde
los dos ltimos son las elasticidades mencionadas, se sigue el m
todo tradicional del ajuste por mnimos cuadrados. Previamente
ser necesario linealizar la funcin aplicando los logaritmos, es
decir:
log Y = log a + (3 log X -j- y log W
Interesa minimizar la expresin:
Z = 2 (log Y, - log Y,.)-1
Z = 2 (log Y ! log a |3 lox X y log W ) 2
205
REG R E SI N Y C O RR ELA C I N
y haciendo
SZ
8 log a
SZ
sp
SZ
= 0
=0
= 0
8y
se tienen las tres ecuaciones normales que permiten determinar los
parmetros. Estas ecuaciones normales son:
2 log Y = n log a 4~
2 log X 4 - y 2 log W
2 log Wi
2 (log W .,)2
2 (log X,)* + y
204
CO RR ELA C I N
restan d o am b as ecuaciones:
(
Y
- - 1 (1.2) (1.2) - 1 = 1.44 - 1 = 0.44
^ I)
Evidentemente que el tratamiento puede extenderse a ms de
dos variables independientes. La metodologa presentada puede f
cilmente ampliarse a tales rasos.
7] .im itaciones en la utilizacin de coeficientes de elasticidad
Pese a la prolusa, y qui/ hasta exagerada utilizacin de .coefi
cientes de elasticidad en las proyecciones econmicas, cabe recono
cer que su aplicacin, en pases donde se registran cambios politico
econmicos con inusitada frecuencia, tiene serias limitaciones. Se
tratar el caso principal de los coeficientes de elasticidad ingreso.
Un coeficiente de este tipo calculado, por ejemplo, con estadsticas
retrospectivas, lleva im plcita la distribucin de ingresos y estruc
tura de preferencias de los consumidores durante el perodo que
T E M A S DE DISCUCIN
205
T E M A S D E D IS C U S I N
In d iq u e si
su o p in i n .
1J Si la
c i n
2] Los
falsas, y justifique
CORRELACIN
206
rx =
10
S2xc =
ax y =
16
0 .0 8
S*x , =
8]
Yc =
0.2 X -
V [ X ] =
50
X =
30
6] En la sigu ien te fu n c i n :
X, =
4 +
2 X2 +
0.1
X3
0.4 X , - f 4
(Y en X )
Xc =
2.4 Y j -
( X en Y)
V (Y ) =
20
ser m a y or q u e el
E rror de p r o y e cci n :
V [ X j] =
16
r =
0.3
Sya =
9] L a e cu a ci n n o rm a l d e la fu n ci n Y c =
10] L o s siguientes d atos son consistentes:
Ve =
0.4 X j +
X =
S X j Yj
V [ X j] =
Yc =
a X es 2
2 X, +
Y =
5
a 2 X
20
50
207
PR O BLEM A S PROPUESTOS
a
12] D a d a la fu n c i n Y =
, la e cu a ci n n o rm a l co rre s p o n d ie n te ser:
1
S Y. =
a 2
^X c
8x
1 .2 3 4 = = 2 0 0
1 .2 3 =
X l .2 3 4
260
0-80
S js
1 .2 3
Sxs
1 .2 3 4 =
r J 4 .2 3
: 80
50
0-25
tasa
40 - f 0.6 Y
En 1967 la p r o p e n s i n m ed ia al co n su m o es d e 8 0 % ; e l 2 0 % d e l
co n su m o total est co n stitu id o p o r p r o d u c to s im p orta d os, la elasti
cid a d gasto d e l co n su m o d e p r o d u c to s n a cion a les es d e 0.8. Si se
estim a q u e el in greso en 1972 ser u n 4 0 % m a y or q u e en 1967,
cul ser el v a lo r d e las im p orta cion es d e b ien es d e con su m o
e n 1972?
208
CORRELACIN
(C A )
pro
0.4 C i s
A os
Valor d e l consum o
d e acero
( m ili d e u.m . corrientes)
C onsum o de acero
(m iles d e ton)
1960
1961
1962
1963
200
10
250
320
400
20
15
28
0.9 Y ?
196/
-----
1965
1966
1961
105
106
106
E J E R C IC IO S
209
P R O B L E M A S P R O P U E ST O S
In greso (Y)
C onsum o (C )
(u .m . constantes)
Aos
1.6
1957
1958
2.0
2.1
1.7
1959
2.4
2.0
I960
2.4
2.1
1961
2.5
2.2
1962
1963
2.8
2.5
3.0
2.6
a ) a u n a recta: C = a Y - )- b
b ) a u n a p o te n c ia l: C = b Y>
c ) ca lcu le lo s co e ficie n te s d e co rre la c i n respectivos, co m e n ta n d o
los resultados;
C = a b*
estim e la p r o p e n s i n m ed ia al c o n su m o e n 1965 si a d m ite q u e
el in greso ser e n ese p e r o d o d e 3.7.
2]
Precio (p )
(u .m .)
10
2.00
12
1.60
15
18
1.50
1.20
20
1.00
25
0.80
30
0.30
Se le p id e :
a)
D e te rm in e la fu n c i n d e d em a n d a m ed ia n te:
i)
q =
a
P
ii) q =
a
------- \- b
P
210
C O RR ELA C I N
b) C a lcu le los co eficien tes d e co rre la c i n respectivos;
c) C a lcu le los errores d e p r o y e cci n ;
d ) E stim e la ca n tid a d v en d id a a u n p r e c io d e 40, p o r m e d io d e
las dos fu n cion es;
11.34
2 Y =
84.96
20.72
2 X jY =
2 X 2
12.16
22.13
Se le p id e :
a) C a lcu le las e cu a cion es d e regresin d e " Y e n X y d e X en Y ;
b) C a lcu le el co e fic ie n te d e co rre la c i n rectiln e o ;
c) C a lcu le el e rro r d e p r o y e cci n d e la regresin d e Y en X .
4] En el d is e o d e un m o d e lo d e sim u la cin se n ecesitaba d is p o n e r d e
u na fu n c i n co n su m o d e b ien es d e o rig e n in d u stria l; para lo g ra rlo
se tien en los sigu ientes datos:
C o n su m o de bienes
Aos
I960
1961
1962
1963
1961
1965
In greso
Im portaciones
industriales
disponible
b ien es d e consum o
U nidades monetarias constan tes
45
42
48
55
53
65
52
58
58
60
65
70
10
13
10
14
16
18
Se le p id e :
a) A ju ste u n a fu n ci n d e l tip o : C = a Y - j - ( l M - j - y
d o n d e : a, i, y , parm etros d e regresin
C : con su m o d e b ien es in du striales
Y : in greso d is p o n ib le
M : im p orta cion es d e b ien es d e con su m o
b) C a lcu le el co e fic ie n te d e co rre la ci n m ltip le y e l erro r d e
p r o y e cci n ;
parcial en tre co n s u m o e
in greso, a isla n d o el e fe cto d e las im p orta cion es.
P R O B L E M A S P R O P U E ST O S
211
Perodo
Precio de bienes
agrcolas
P
Costo unitario
de produccin
C
Expectativas
de inflacin
V
10
6%
12
8%
3
4
15
17
12
20
30
35
4%
7%
12 %
12%
13
16
25
25
8%
Se le p id e :
a) A ju ste u n a fu n c i n d e l tip o : P
(t } 1)
(t)
[1 j
a.
(
+ b V (t)]
d o n d e , a: m argen d e ga n an cia d e em presarios
agrcolas
b : co e ficie n te d e rea lim en ta cin d e in
fla ci n
1957
1958
1959
1960
1961
1962
2.0
3.0
4.0
3.5
3.0
3.3
CO RR ELA C I N
212
d u r a n t e el p e r o d o
1962/1970, e s t i m e l a p a r t i c i p a c i n q u e
e l p i b , e l a o 1970.
7] L o s siguientes d a tos co rre s p o n d e n a ingresos y con su m os d e un
c o n ju n t o d e profesion ales.
tiv o
te n d r e l s e c to r a g rc o la e n
P erod o (t)
Ingreso (Y )
C onsum o (C )
60
100
120
65
120
66
3
4
5
130
140
70
160
160
75
80
72
C(t)=a+PY(t)
y C
(t -
1)
Para u n a re g i n de cie rto pas, se tien en los sigu ientes anteceden tes:
C onsum o de
C onsum o p o r
alim entos p o r
Ingreso po r
habitante
habitante
habitante
U nidades monetarias constantes
Aos
1958
1959
I960
200
220
245
270
300
340
1961
1962
1963
180
210
230
250
280
320
120
130
150
170
200
220
Se le p id e :
a) C a lcu le la ela sticida d in greso d e l c o n su m o m ed ia n te la fu n ci n :
Y =
b X* ;
SO LU CI N DE E JE R C IC IO S
213
100
60
40
C o n su m o tota l
200
S O L U C I N D E E J E R C IC IO S
1] a) Las e cu a cion es n orm ales son:
2 C =
a 2 Y -f- n b
2 CY = = a 2 Y2 - f b 2 Y
YC
C-
ya
4.00
4.41
5.76
5.76
43.02
2.0
1.6
3.20
2.1
1.7
2.4
2.4
2.0
2.5
2.2
3.57
4.80
5.04
5.50
2.8
2.5
7.00
5.0
2.6
7.80
2.56
2.89
4.00
4.41
4.84
6.25
6.76
17.2
14.7
36.91
31.71
2.1
6.25
7.84
9.00
214
C O R R E L A C I N
Si se rem pla za n estos valores en las ecu a cion es n orm ales:
14.7 =
17.2 a - f
7b
36.91 == 43.02 a +
Si se resuelve e l sistema: a =
la fu n c i n q u e d a : C =
b)
17.2 b
1.043; b = 0.463
1.043 Y 0.463
Para e l ajuste d e la p o te n cia l, ser n ecesa rio a p lica r loga ritm os,
pa ra u tilizar las ecu a cion es n orm a les
C =
lo g C =
b Y
lo g b
a lo g Y
2 lo g C lo g Y =
lo g C
n lo g b
- j-
a 2 lo g Y
lo g b 2 lo g Y -|- a 2
log Y
log C log Y
(lo g Y ) 2
(lo g C)*
(logY )t
0.20412
0.30103
0.061446
0.041665
0.090619
0.23045
0.32222
0.074256
0.30103
0.38021
0.114455
0.144560
0.32222
0.34242
0.38021
0.122511
0.053107
0.090619
0.103826
0.144560
0.39794
0.136263
0.39794
0.44716
0.177943
0.117251
0.158356
0.199952
0.41497
0.47712
0.197990
0.172200
0.227643
T o t a l 2.21315
2.70589
0.884864
0.737024
1.069516
0.103826
0.158256
7 lo g b - f 2.70589 a
2.705890 lo g b - f
Si se resuelve el sistema:
a -=
lo g b =
1.247
0.166
1.069516 a
215
S O L U C I N DE E J E R C IC IO S
L a fu n c i n q u ed a r :
lo g C == 1.247 lo g Y -
0.166
yt-an
1.306
c)
r2 =
a 2 Y ,C - f b 2 C - C 2
--------------------------------------------------2C ? -C S C ,
1.043 (36.91) - 0 . 4 6 3 (14.7) - 2 . 1
(14.7)
0.82
31.71 - 3 0 . 8 7
0.84
0.976
r =
- f -y 0.976 =
0.987
para la p o te n c ia l:
r 2 lo g C lo g Y =
a 2 lo g Y lo g C - )- lo g b 2 lo g C , lo g C 2 lo g C ,
---------2 ( l o g C ,) 2 - l o g C 2 l o g C ,
1.247 (0.884864) - 0.166 (2.21315) - 0.31616 (2.21315)
r 2 lo g C lo g Y
0 .7 3 7 0 2 4 - 0 .3 1 6 1 6 (2.21315)
r 2 lo g C lo g Y =
d)
0.03634
-------------- =
0.03731
0.974
lo g C lo g Y = 0.987
Las e cu a cio n e s n orm a les desp us d e a p lica r loga ritm os son:
2 lo g C n lo g a - f- lo g b 2 t,
2
(lo g C ,)
t, =
lo g a 2
t +
lo g b 2 tf
216
C O R R ELA C I N
Ci
log Ci
ti log C
t\
-3
1.6
_2
1.7
- 0 .6 1 2 3 6
- 0 .4 6 0 9 0
9
4
-1
2.0
ti
2.1
1
2
2.2
2.5
0.20412
0.23045
0.30103
0.32222
0.34242
0.39794
2.6
0.41497
1.24491
4
9
2.21315
1.00892
28
-0 .3 0 1 0 3
1
0
0.34242
0.79588
7 lo g a - f 0
0 - j - 28 lo g b
lo g a =
0.3162
a =
2.071
lo g b =
0.0360
b =
1.0865
En la fu n c i n se tena C = a b l, d o n d e b == 1 -|- i en q u e i
es la tasa d e cre cim ie n to a cu m u lativo. En el p r o b le m a i
=
0.0865 = 8 .6 5 % acu m u lativa anual.
e)
2.071
(1.7313)
t =
=
5 para 1965
3.5855
P r o p e n s i n m ed ia el co n su m o =
3.5855
------------- =
3.7000
0.969
i) 2 q /p =
a 2 1/p2
211
SO LU CI N DE E JE R C IC IO S
ii)
2 q =
a 2 ------ 1~ n b
P
2 q /p =
a 2 l/p 2 4 . h 2 i q
<?//>
2.00
10
12
0.2000
0.1333
o .* *
15
18
0.1000
0.0667
0.0667
0.0500
O.O52 O
tu s
M rnm i
0.0506
OuOMIffi
U B
M um
0.0100
0.0333
M U
0.5920
0.4288;
M 9B
1,60
1.50
1.20
1.00
20
0.80
0.30
25
30
8.40
IIP '
S .IM
VHP*
MOM
moiWM
R e m p la z a n d o valores;
i)
0.5920 =
0.2968 a
a == 19.946
La fu n c i n q u ed a :
q =
i)
1 9 .9 4 6 /j)
8.400 =
0.5920 =
a =
0.42880 a - f
0.02968 a - f
7 b
0.4288 b
22.6966
h == -0 .1 9 0 3
I.a fu n ci n q u e d a : q =
b)
22.6966
-------------------- O. i 90S
P
( 2 (Vc - ) \ w
218
CORRELACIN
Caso ii
Caso i
A m bos casos
qc
(<h - q ) 2
qc
(ic - q ) 2
qi
( q .- q ) 2
1.995
1.662
1.330
1.108
0.997
0.798
0.665
0.632
0.213
0.017
0.008
0.041
0.162
0.286
2.079
1.700
1.324
1.072
1.025
0.718
0.565
0.773
0.250
0.015
0.016
0.031
0.232
0.403
2.0
1.6
1.5
1.2
1.0
0.8
0.3
0.64
0.16
0.09
1.720
8.4
1.90
1.359
q =
2 q,
-------- , =
8.4
=
0.04
0.16
0.81
1.20
C a so i)
/
1 .3 5 9 \ v s
( ----------1
=(0.715)1/2 =
Mono/
1.900
0.845
C a so ii)
r =
/ 1 .7 2 0 \ i/2
( ----------)
=
' 1.900 '
(0.905) 1/2 =
0.952
s?.
S2 C +
E rror =
\ S2.s
S ?s
Ss
C a so i)
1.90
S t.
-------- =
0.27
7
1.359
s:. = ------=
7
S|c
Error =
0.08
0.283
0.19
219
SO L U C I N D E E J E R C IC IO S
C aso ii)
1.90
S|
0.27
S fc
172
-------- =
7
0.25
S?c = 0.02
E rro r == 0.142
d)
C aso i)
q =
19.946
-------- =
p
19.946
=
0.499
40
C a s o ii)
22.6966
q = = -------------------- 0.1903
P
22.6966
-
0.1903 == 0.377
40
e)
3.00
C aso i)
19.946
3 =
p = 6.65
P
C a so ii)
22.6966
3]
a)
3 =
-------------------- 0.1903
P
p =
7.11
*
220
CO RR ELA C I N
^
C L X .Y ,]
iX ~
- x
V [ X ,]
2X i
------ VV-
R e m p la z a n d o valores se tiene
22.13
11.34
20
20
12.16i
20.72
1 .1 0 6 5 - 0 .5 6 7
20
//1
I1
I .3
,344X\--
20
'
20
1.036
0 .6 0 8 - 0 .3 2 1
0.519
1.808
0.287
Para d e te rm in a r el c o e ficie n te d e p osicin se tiene
Y =
1>YV =
20.72
a vv X 4 - Ijvx
11.34
1.808
20
1.036 -
1.025 =
0.009
20
0.519
84.96
20
/2 0 .7 2 y
'
20
0.09
0.519
=
4 .2 4 8 - 1 . 0 7 3
=
V [Y ]
1.808 X ,
= 0.163
'
1>V =
11.34
---------
axv X +
b sv
20.72
0.163
20
0.567 -
0.169 =
0.396
20
L a e cu a ci n d e X en Y q u ed a :
X,. =
b)
0.163 Y - f 0.396
S O L U C I N DE E J E R C IC IO S
r- =
221
aXY aYX =
r =
c)
(0.163)
- f Y~0.295 =
(1.808) =
0.295
0.543
r_
S.
_ t
T~
SY-
SY*
2
0.295 =
1 3.175
=
ya q u e S|
^
(0.705)
V [Y .l == 3.175
(3.175) =
'Y Sf.s =
2.238
Y 2.238 =
1.5
a)
X 1=
X ,
+ P X s + n
2 X tX 2 =
a 2 Xi
2 X tX 3 =
a 2 X 2X ;! - j- p 2 X $
- f p 2 X 2X 3 - f y 2 X 2
-f Y 2 X3
L os d atos se d is p o n e n as:
X*
X X
2 340
2 436
2 784
3 300
3 145
4 550
2 704
3 364
3 364
3 600
4 225
4 900
520
754
580
840
1 040
1 260
18 855
22 157
4 994
X,
X,
x tx t
45
42
48
55
53
65
52
58
58
60
65
70
10
13
10
14
16
18
308
363
81
x,
C O R R ELA C I N
222
**3
X*
450
100
2025
546
169
1 764
480
100
2 304
x x a
770
196
3025
848
256
2 809
1 170
324
4 225
4264
1 145
16 152
El sistema queda:
308 =
18.855 =
363 4 - 81 P - f 6
22157 a - f 4994 p +
4 .264 == 4994 a +
1L45 p +
363
81
C uya resolucin es
a =
b 123 =
1.114
p =
b13 2 =
0.040
Y =
b)
* 1 .2 3 '= 16.59
**1.23
y /2
2X 2 _ nX2
f~
123_
'
16 1 5 2 - 6 2
(2 635Y
635)
Xi.23 = y
1 6 1 5 2 - 1 5 810
223
S O L U C I N D E E J E R C IC IO S
R i-23 =
/255.4V1/2
W
=
0.865
que
n
~
n xe 1.23 =
n
255.4
. .
SXc i.2s =
42.6
1.23 == ^42
. .
SX , 23 =
57
L uego
86.6
SXs
1 .2 3 = = : z:
\ 14.4 =
E rror =
c)
^ 4 .4
3.8
Se trata d e ca lcu la r:
Xc
1 .2 3 ^ X c
^Xs
1 .3
lt/ 2
|.3 ^
255.4
SL
1.23 =
4 2 .6
frmulas:
l.3 4 " ^ 1 .3 x a
2 Xt =
n a, 3 +
b13 2 X 3
224
CO RR ELA CIO N
2 X A
ai.s 2 X 3 +
b 13 2 X*
308 == 6 a , 3 - f- 81 ^ 3
4264 =
81 a 13 + 1 1 4 5 b j 3
a i ,3 =
23.52
b t .3 =
2.06
Sg^ j 3 =
23.52 (308)
7 244.2 +
2.06 (4 264)
8 7 8 3 . 8 - 15 810
* L = --------%e
218
6
1.3
6 (2 635)
36.3
*
KfflBranese q u e
1.3 ~
%c
1.3 +
^Xs 1.3
SL
57 -
/ 4 2 . 6 36.3 X 1/
\ ------ ------ )
*13. =
5[j
, A=
36.3 =
20.7
---------
= V 4 = 0 . 5 5 1
<t
lih r a u a iid o
1)
(1
a) C
(t)
b C
(t) V
(t)
225
SO L U C I N DE E J E R C IC IO S
P = X1
C (t) =
x 2
C (t) V (t) =
x3
l + a = d
L a e cu a ci n q u ed a :
Xt =
d X , 4- b X3
d 2 X|
2 X ^
d 2 X 3X 2 +
b 2 X 3X 2
b 2 X|
L a ta b u la ci n d e va lores se d is p o n e as:
CV
Xt
X2
X,
PC
X jX 2
C2
X|
36
49
144
169
256
625
1 279
12
15
17
12
0.36
0.56
0.48
20
35
13
16
25
0.91
1.92
3.00
72
105
204
260
480
875
129
79
7.23
1 996
30
VC2
x*x2
201.98 =
30.72
75.00
0.1296
0.3136
0.2304
0.8281
3.6864
9.0000
129.39
201.98
14.1881
1279.00 d - f 129.39 b
129.39 d 4
R e s o lv ie n d o para d y b
d =
1.555
b =
0.054
L u e g o la e cu a ci n aju stada q u ed a
(C V )2
X|
4.32
8.40
8.16
18.20
57.90
105.00
2.16
3.92
5.76
11.83
E l sistem a q u e d a
1996.00 =
PCV
XxX 3
14.1881 b
226
C O R R E L A C I N
P (t - f - 1) =
b)
Bastar rem p la za r C
C (t) [1.555 +
0.054 V
(t)]
(t) p o r 40 y V p o r 0, pa ra estim ar P (t J
p
6]
(t 4 - 1) = 4 0 [1.555 - f 0] =
62.22
a b
se ca lcu la r la tasa p ed id a .
a)
n d ic e d e l p ro d ,
real agrcola
T iem po
Y,
aos
1956
1957
1958
ti
-3
100.0
102.0
-2
105.1
109.3
113.1
116.5
-1
1959
1960
1961
1962
0
1
2
120.3
2 t, lo g Y , =
lo g Y
2.00000
2.00860
2.02160
2.03862
2.05346
2.06633
n lo g a +
lo g b 2 t,
lo g a 2 t, 4 - lo g b 2 t^
t?
(lo g Y i)h
9
4
- 6.00000
-4 .0 1 7 2 0
- 2 .0 2 1 6 0
2.08027
4
9
2.05346
4.12516
6.23754
14.26888
28
0.37736
227
SOLUCIN DE E JE R C IC IO S
Si se rem plazan estos valores en las ecuaciones norm ales
14.26888 =
7 log a
(Y a que 2 q =
0.37736 =
log
14.26888
a = -------
0)
28 log b
2.03841
0 .37736
--------------- =
28
0.01348
a =
109.24
b =
1.0315
log b =
/.
L a funcin queda
Yc =
b)
109.24 (1.0315)
1962
1970
100
30
P IB
P. agrie.
p iB m o
100 (1 - f 0.05)
30 (1 + 0.0315) 8
100 (1.477) =
P. agrie. m o =
147.7
30 (1.282) =
38.5
26.07%
/0
7] Los datos se disponen de la siguiente m anera (se introduce ei desajuste del consumo)
Y(t)
C (t)
C (t-l)
1
2
3
4
5
6
120
120
130
140
160
160
65
66
70
72
75
80
60
65
66
70
72
75
830
428
408
228
C O R R E L A C I N
Las e cu a cio n es n orm a les son las siguientes:
n a - f P 2 Y (t) - f y 2 C (t 1)
2 C (t) =
2 C (t) Y (t) =
2 C
(t)
a 2 Y (t) +
(t -
1)
p 2 [Y ( t ) F 4 - Y 2 c
= = a 2 C (t - 1) +
+ y 2 [C ( t - l ) p
P 2 Y
(t (t)
1) Y
(t)
(t -
1)
C (t) Y (t)
C ( t - l ) Y(t)
[ W
7 800
14 400
C (t) C ( t - l )
[C (t-1 )Y
12 000
14
16
19
25
400
900
600
600
7 200
7 800
8 580
9 800
11 520
3
4
4
5
5
12 800
25 600
12 000
6 000
5 625
59 700
116 500
56 900
29 250
27 890
7 920
9 100
10080
900
290
620
040
400
3 600
4 225
4 356
4 900
5 184
6 a +
830 a - f
29 250 = = 408 a +
830 p +
408
56 900 p 4 - 27 890 y
38.017
P == 0.1333
Y =
0.2187
L a fu n c i n co n s u m o q u ed a
C
8]
(t) =
38.017 4 - 0.1333 Y
(t)
- f 0.2187 C
n lo g b -f- a 2 lo g X
(t -
1)
S O L U C I N D E E J E R C IC IO S
229
'
2 lo g Y lo g X =
lo g b 2 1 o g X , - f - a 2
S ie n d o X t =
Y,
In g reso; Y , =
( lo g X ) 2
C on su m o
log X
log Y t
log X { log Y i
logX \
2.25527
2.32222
2.36173
2.39794
2.44716
5.18944
5.29474
5.48693
5.70813
5.91151
34.94582
200
180
2.30103
220
210
245
270
300
340
230
250
280
320
2.34242
2.38917
2.43136
2.47712
2.53148
2.50515
5.43961
5.64257
5.83026
6.06191
6.34174
14.47258
14.28947
34.50553
6.13612
6.40839
14.47258 a
14.47258 lo g b - f
lo g b = = a =
34.94582 a
0.12203
1.038
L a fu n c i n q u e d a :
1
Y = ------ X .i nas
1.324
L u e g o e l c o e ficie n te d e elasticidad in greso d e l c o n su m o es:
a =
b)
1.038
g r f i c a 29
ZOO
300
400
I- L
lo g X
250
CORRELACIN
5.4
------ = 1 . 2
4.5
Elasticidad gasto =
c)
1.20
Y es (1 - f 0.03) * =
340 (1.23) =
418.2
Luego,
4 1 88.2
.2\y1038
o8
C 70
'334400..0
0'
320
(1.23) 1038 _
320
C70 =
320 ( 1. 23)1038 _
320 (1.24) =
396.8
(
Si se rem plazan valores se tiene:
396.8'
396.8\ i 2
C. alim. 70
320.0
C. alim .70 =
220
220 (1.295) =
284.9
231
SOLUCIN DE EJERCICIOS
a)
Es W s +
EA W A +
EM W M =
gasto en servicios
W 8 == ---------------------------- =
gasto total
40
--------- =
200
0.20
100
--------- =
200
0.50
WA =
WM=
60
=
9]
==
0.30
200
Luego,
E =
0.20
b)
0.24
=
1.20
0.20
200
(1.265) =
253
^Cioeoy
^1960
1.265
40 (1.326) =
53.04
C. serv. 1960
(1.265)
C. serv. 1966 =
ii)
253
;'d a d o q u e
1-2 =
200
C. serv.1966
----------------40
4 0 (1.265) i -2 _
232
C O RR ELA C I N
(1.265)
C. p ro d . m an . 1966
---- -------------------------60
1-2 =
C. p r o d . m an . 1966 =
iii) A lim e n to s :
60 (1.265) 12 =
C 1968\ E a
C. a lim . 1966 =
100
79.56
C . alim . 1966
C 1960 '
(1.265)
60 (1.326) =
C. alim . 1960
08 =
C . alim . 1966
---------------
(1.265) n * =
100
100
(1.207)
120.7
I9 6 0
A lim e n to s
O tro s p r o d u c to s m a n u fa c.
Servicios
T ota l
1966
100
60
40
50
30
20
120.7
79.6
53.0
47.7
31.4
20.9
200
100
253.3
100.0
p o r h a b ita n te
1967\ EG
C o n su m o p o r h a b ita n te 1955
C o n su m o d e p a p e l p o r h a b ita n te 1967
C o n su m o de p a p e l p o r h ab ita n te 1955
Es n ecesa rio estim ar p revia m en te los con su m os p o r h a b ita n te en
1955 y 1967. Para e llo es n ecesario
SOLUCIN DE E JE R C IC IO S
233
0.9 Y1#35
G1955 =
1955
,
, , . v
-9*1955
(Por liabit.) = -------
1*1955
donde P = Poblacin
g 1967 (Po r h a b it.) =
G1 ""
/
. i . .
(p o r h ab it.)
Gl955
Y1955 (1 + 0 - 4 ) 12
1*1955 (1 .0 2 5 )
0-9
0 . 9 Y i #35 (1.04) xa
P 1933
1*1.955 (1 -0 2 5 )1 -
0.9 Y 1933
/1
n.040\ia
.0 4 0 X 1
'1 . 0 2 5 '
R e m p la z a n d o en la f rm u la d e la p r o y e cci n se tiene:
r /1
m -ii.5
'1.0
.044 0 \ w
n i.o
L \L025/
C on su m o d e p a p el p o r h ab ita n te 1967
4.5
C o n su m o d e p a p e l p o r liabit. 1967 =
4.5
(1.0146) 18 =
/1 .0 4 0 V "
4 .5 )
'1 . 0 2 5 '
4.5 (1.308) =
5.89
TERCERA PARTE
I
ASPECTOS
A.
t e r ic o s
INTRODUCCIN
238
ASPECTOS TERICOS
230
2 y.
i=l
y: media aritmtica de la muestra
n
2 y,
i1
a2: varianza de la poblacin
2 (y. - ? ) 2
i=l
2 (y. - )2
s2 =
i=i
N- 1
240
ASPECTOS TERICOS
2 (y, - y)2
S2 =
i=l
n -
/N\
1, 2, 3 . . . 1 I.
241
2 i.
h=1
n/
Por eso a la media aritmtica muestral (h) se le llama estim ador
de la media aritmtica poblacional.
De la misma manera, a todas las posibles muestras se les puede
computar una varianza (s-b). Si se promedian estas varianzas, el
resultado es la varianza de Cochran para la poblacin:
insesgado
242
ASPECTOS TERICOS
l N\
98%
2.33
95%
1.96
90%
1.65
80%
1.28
68%
1.0
243
GD
2 ( u -)2
v () =
O
2
(s -
Y)2
S2 /
n \
244
ASPECTOS TERICOS
Intervalos de confianza:
Con los elementos mencionados, ya se puede cuantificar el in
tervalo de confianza para la media aritmtica. Este intervalo esta
r dado por:
'
d = t f V f
Como se recordar, t es el coeficiente de confianza que corres
ponde a un nivel d confianza. En general el nivel de confianza
flucta entre 80 y 95 por ciento, en la prctica generalmente se
toma un 90 o 95 por ciento de confianza, lo que en otros trminos
indicara que en 95 de cada 100 muestras la media aritmtica
poblacional estar dentro del intervalo de confianza. V (y) indi
caba la dispersin de las medias mustrales en torno a la media
poblacional. Con los elementos vistos ya se est en condiciones de
estimar una media aritmtica poblacional:
Ejemplo: se ha tomado una muestra de 30 de las 108 empresas
pesqueras de un pas. Se pretende estimar el nmero promedio de
obreros por empresa. Para las 30 empresas de muestra se calcul
una media aritmtica de 46 obreros por empresa y una varianza
de 18. El nmero promedio de obreros por empresa en toda la po
blacin estar comprendido entre:
es decir
1 V vW
Los datos que se conocen son:
N = 108; n = 30; y = 46; s2 = 18.
s2 /
n \ 18 /
30 V
V () = ( 1 -----------= (1 --------------= 0.433
w
n V
N/
30 V
108/
245
C.
D ETER M IN A C I N D EL TA M A O DE M U ESTR A
246
ASPECTOS TERICOS
5]
247
Recursos
248
= (ir)'
El lector debe haberse planteado una interrogante: en las frmu
las para tamao de muestra se supone conocida la varianza. Qu
sentido tiene determinar una muestra para estimar una media arit
mtica si se supone conocida la varianza y esto implica conocer la
media aritmtica? Lo que sucede es que el supuesto no es hipot
tico y el propsito no carece de sentido. Hay muchos estudios que
exigen investigaciones mustrales peridicas. Con estas investiga
ciones se pueden tener buenas estimaciones de S2 y porque en mu
chos casos la varianza puede ser poco cambiante, lo que no siem
pre ocurre con la media (recurdese que V (y -j- K) = V (y) y
que M (y - f K) = K + M(y))-
249
250
ASPECTOS TERICOS
T am a o d e
muestra
D esvio
m xim o
150
600
938
1666
3750
6000
0.10
0.05
0.04
0.03
0.02
0.00
Costo
(miles d e dlares)
4
8
9
15
2 2
50
- 5
- 9
- 10
- 17
-2 5
- 56
T iem po
(dias)
30 35
6 0 70
70 85
120 - 140
210 - 240
400 - 500
a Censo.
D.
251
y.
y.
i = l
i=i
N 1
s3 =
2 yr
s = ,=1
N1
NN2
ASPECTOS TERICOS
2 Vi
i= i
i = l
2 yi = 2 y.a
i= 1
i= 1
porque la variable slo toma valores cuyos cuadrados son los mis
mos valores. Remplazando en la frmula de Cocinan para la
varanza se tiene:
N P _ N PN 1
S2 = ------------------------- =
N P O
N 1
11 P 1
n 1
Para la determinacin de los intervalos de confianza, se. utilizan
las mismas frmulas, teniendo cuidado de remplazar el valor de
NPQ
s'
P '
TT
npq
i
Pr V T T T
253
F.. NOCIONES DE MUESTREO ALEATORIO ESTRATIFICADO
254
ASPECTOS TERICOS
Yh
2 (y... - Y..)2
Varianza de Cochran del estrato h
Yh = Nh Yh
Nh
L
2 N = N
donde
Y =
n = l
y la varianza de la poblacin
L
2 (Y S2 =
)2 N
N 1
2 Sh2 (N 1
1)
N 1
255
yi>
, 2 yi.
=1
media aritmtica de la muestra del estrato h
2 (yi.i i.)2
1=1
varianza del estrato h
sir = -----------------:----nh 1
Ahora bien, dado que en cada estrato se extrae una muestra
aleatoria simple, tanto la media de la muestra (yh) como la varianza
son respectivamente estimadores insesgados de la media aritmtica
(h) y de la varianza (SH2) del estrato:
E() = h
E(s2) = Sh2
Si ahora se combinan todos los estratos,7 la media de la muestra
ser:
L
2 h nh
h=l
yn =
donde
2 nb = n
h=l
?.. =
7 En
general
f j------
n
n
Nh
=
N
256
ASPECTOS TERICOS
U|,
N /
Prometliando las V(h) para todos los estratos se tendr la varian/.a del estimador de la media poblacional:
2 Nu* V(y)
V(yst) = --------------'Yhi>
N2
L
=
Si_2 8
2 Nh (N n)
N2 >.=i
n
1 L
sh2
v(yst) = ---Nh (Nh nh)
N2 =1
nh
que es el estimador de la varianza del estimador de la media arit
mtica poblacional.
En igual forma que en el muestreo aleatorio simple, el intervalo
de confianza para la media estar dado por:
Bt d
* Frmula general de la varianza del estimador tie la media aritmtica
poblacional.
NOCIONES DE
MUESTREO
ALEATORIO ESTRATIFICADO
257
donde
d = t
El intervalo de confianza para el total estar dado por
N st + d
donde
d = t n V V (y^r
2] A fijaciones y tamaos de muestra
Es importante*considerar lo que en muestreo se denomina afijacin; el significado de esta expresin es el de distribucin y asig
nacin de la muestra total en cada uno de los estratos. Por afijacin, entonces, se entender el proceso que permite distribuir un
tamao de muestra dado (n) entre los estratos, de manera de tener
una muestra en cada estrato (nh) . Hay distintas maneras de
afijar una muestra; a continuacin se expondrn las principales.
i] Afijacin proporcional. Se trata de distribuir una muestra
dada de tamao n entre los estratos, en forma proporcional
al tamao de cada estrato. El tamao de muestra en cada
estrato estar dado por:
Nh
La justificacin de este mtodo radica en el hecho de que
de mayores estratos se extraern mayores tamaos de muestra.
Cuando se sigue una afijacin proporcional, la frmula ge
neral de la varianza del estimador V (yst) puede simplifi
carse remplazando nh por
n en la forma:
1 f L
= --------2 Wh s*
n
258
ASPECTOS TERICOS
donde
n
f=
Nh
W> = 7 f
n0
14-
T N
donde
'h = l
( > s t)
= ~T
Recurdese que d es el desvo mximo que se puede tolerar, y
est expresado en las mismas unidades de la variable que se inves
tiga; este valor lo determina el planificador, t es el coeficiente
de confianza que est dado por el nivel de confianza o probabili
dad de acierto en la estimacin. El nivel de confianza tambin
es materia de decisin del investigador. Ser necesario plantear
n o c io n e s
de
m u estreo
a l e a t o r io
259
e s t r a t if ic a d o
( st)A .O .
------
Si no se dispone de los valores de Sh2, se podr introducir el corres El calificativo de ptim a tiene su origen en el hecho de que mediante
esta afijacin se consigue el m enor error de muestreo.
JO Existe una demostracin que justifica esta frm ula, basndose en la minim izacin de la varianza del estimador.
260
ASI'M T O S TERICOS
v ( y s l )A .O . =
2 W h sh->
h=1
2 VVh sli=1
^ 2 w h sh y
n =
V(yst) + 2 Wh S2
N >=
Los elementos que conforman esta frmula ya han sido tratados.
Se insiste que V(yst) es el cuadrado del error de muestreo que se
tolerara. Para especificar su valor, habr que plantearse un desvo
mximo d y una probabilidad de acierto que determinar el va
lor de t.
d2
V(Bt) = i r
iii] Afijacin ptima econmica. Aparte de considerar simult
neamente el tamao y variabilidad del estrato (Nh y Sh2), a
veces es recomendable introducir un tercer elemento: el costo
por unidad encuestada en cada estrato. Sucede que en algu
nas investigaciones hay diferencias sustanciales en cuanto a
las facilidades de acceso a la informacin por colectar y pue
de ser justificado tomar este elemento que tiene su origen
en limitaciones financieras. Cabe aclarar que tal procedi
miento slo se justifica en la medida que su introduccin
no signifique prdida de representatividad en las muestras
de los estratos. La forma de afijar una muestra dada obe
dece en este caso a la siguiente relacin.
nh =
Nh Sh / y/Ch
----------------------- n
2 Nh Sh / V T
h:=l
261
ENCUESTAS IN DUSTRIALES
A.
263
B.
D ELIM IT A C I N D EL M ARCO M U E ST R A L
264
ENCUESTAS INDUSTRIALES
ELECCIN
DEL DISEO
M UESTREAL
265
266
ENCUESTAS INDUSTRIALES
267
268
ENCUESTAS INDUSTRIALES
269
270
ENCUESTAS INDUSTRIALES
271
les, sobre todo en las preguntas que dicen relacin con magnitudes,
el encuestador tendr una participacin activa y verificadora. In
cluso p ara la realizacin de encuestas industriales donde se averige
p or datos tcnicos, es conveniente que el encuestador sea un tc
nico entendido en la m ateria; de otro m odo se corre el riesgo de
obtener respuestas deficientes que pueden estropear el trabajo.
E n todo caso ser necesario un proceso de adiestramiento, pro
bando en el terreno la eficiencia de cada enum erador sobre la base
de indagaciones que exijan una cabal interpretacin, teniendo
previamente a disposicin los datos que averiguar en el terreno
cada encuestador.
G. COLABORACIN DE LA POBLACIN IN FO RM A N TE
E n las encuestas industriales, es de una significacin muy grande
conseguir una actitud positiva de la poblacin que se investiga,
imprescindible para garantizar una cierta fidelidad en la masa de
informaciones que recolectar. Es frecuente que se advierta a la
poblacin la trascendencia de la muestra, y una m anera de hacer
ms efectiva esa colaboracin es realizar conjuntam ente la inves
tigacin con asociaciones de industriales u organismos de probado
prestigio, universidades, institutos, etc. De una u otra m anera
existe siempre un margen considerable de no respuesta. Sobre el
p articular hay que destacar que si la no respuesta tiene su origen
en una desaparicin o cam bio de estrato de la unidad que se pre
tende investigar, no debe ser motivo de preocupacin, ya que
puede tomarse como una muestra representativa de una parte del
universo que desaparece o cam bia de estrato. El problema es mu
chsimo ms serio cuando, existiendo la unidad, hay negativa de
d ar respuesta. Basar las estimaciones solamente en poblaciones de
respondientes, puede ocasionar sesgos de alguna magnitud. E n esos
casos las estimaciones realizadas, podrn ser generalizadas slo
a la poblacin de respondientes y no a la poblacin total. P ara
tener informaciones sobre la poblacin de no respondientes, habr
que disponer de encuestas de seguimiento u otros mtodos indi
rectos. Sobre este problem a de la no respuesta y, adems de l,
sobre la respuesta defectuosa, es necesario una consideracin dete
nida. L a necesidad de planificar y para ello de con tar con infor
maciones serias, peridicas y oportunas, son cuestiones de acepta
cin general. P ara poder contar con informaciones con tales
272
ENCUESTAS INDUSTRIALES
I . SIST EM A T IZ A C I N DE DATOS
273
274
ENCUESTAS INDUSTRIALES
K. PUBLICACIN DE RESULTADOS
Ill
2 fs
A]
fa
E{yh)
2 (yi + ya + ya . + y)/h
la
O
donde h =
1, 2, 3,
i =
1 , 2 , 3,
N!
n! (N n)!
C )
n ....
(N _l)!
( n 1)1 (N n)l
Por lo tanto:
B]
(n)
2 (yi + y + + y*)/h =
h=l
(N 1)1
( n 1)! (N n)l
(yi + y* + y* +
[275]
- + Yn)
276
(Xh)
( N 1)1
! (N
(n 1)
n)
N!
n! (N n ) 1
* 1 n (N n )
+ * * " ---------- i------
+ * + * +
Simplificando factoriales:
E (y h) =
ii
4-
y* +
(yx
y> +
----------------------
y*)
, ,
Demostracin
E [(y i -
Y)* +
(y, _ ? ) * + . . . .
(y. -
i=l
Donde S2 =
(y -
Y )2] = J P ~
Y )*
-------------
(varianza de Cochran)
(n)
2 (yx C]
Y )2 +
-
(y, -
Y )2
.... +
(yn Y) 2
/h
C)
277
( n
i)
[(yi -
Y)2 + (y -
)2 + to -
? )aJ
!\
Vn -1 )
[(yi ~ Y)2 +
(ya Y)2 +
(ya -
ZN
C)
=
(N ~ 1) !
. nl ( N - n ) l [(yi _ vy + (ys _ y)2 + . . . . + (yK )*]
(n 1)! ( N _ n ) !
N!
Simplificando se obtiene:
)2 +
(y2 -
Y )2 +
....
N 1
(N _
N
l)n
p ii
(Yk -
? )21 _
J
(Y. -
? )2
1i iJ
278
ni.
E [ ( y ,' Y ) (y2 Y ) +
(y, Y ) (y3 Y ) +
.... +
(y .., -
Y ) (y Y)] =
n (n 1)
2N
(N)
i [(y.
(y* -
Y)
Y) +
(y, -
Y) (y3 -
Y) +
(yx-i -
Y) (y* -
Y)
O
P ara evaluar la suma del num erador, debe
mo artificio utilizado en las demostraciones
cuenta que, com o ahora se trata de productos
habr dos valores especficos en la poblacin
dos lugares en la muestra. L a evaluacin de
rador estar dada, pues, por:
(n _
2)
[(y ~ Y)
f N - 2 ^ [(yx _
L
(y*
~ j)+
Y) (y2 _
- J
/N
<y -
Y +
Y) +
>
(n 2 ) ! ( N n ) !
in
1
(y, Y) + . . . . + (y*., -
.... +
pensarse en el mis
y i i , teniendo en
de dos desviaciones,
que podrn ocupar
la suma del nume
(y*-, -
Y) (yN -
Y)]
Y)]
-
riM ni
N!
Y) (y -
" [ ( y , _ Y) ( y , - Y ) + . . . . +
Y) ( y _ Y ) l
(y2 -
Y) +
. . . . -f (yx-, -
Y)
(yN -
Y)>]
279
(y i-? )2 +
(y2 - Y ) 2 +
.... +
(yN- Y ) 2
Luego
n (n 1)
2 N (N 1)
[2{ (yx -
Y)
<y2 Y) +
- {(Yi
)2
+ (Y2 -
Y )2
....
(yN
- -
Y )2}]
(Yi -
Y)2 + 2
(y. -
(y, -
Y) =
2 (" _ ^ [ - { ( n -
Y)2 + (y. -
Y ) * + ( y - Y ) 2 + . . . . + (yK-Y )*>] =
n (n 1) r N
--------2N(N
}\
1) L 1=1
2
(y.i -
)2 ]
280
1)
n (n -
2 <yi - Y)2
r *=1
I
L N1 J
2N
n (n !) c ,
2N
(n)
VW
E 1- Y ) .
11=1
(h -
Y )2
S2
--------- = _
n\
2 y.
n(y Y) =
n Y
yi +
Y2 +
y3 +
-j- yn n y
Y +
y2 -
y3 -
yi -
Y+
Y + +
y -
Y)2 = [(y, -
n2 (y _
2 [(y, -
Y) (y, _
Y) +
Y) + (y*-
Y) + (y, -
(y, Y ) (y, -
) +
Y) + . . . . +
....
( y - Y ) ] 2-
Y)2 +
(y-! -
(y -
Y )]
*
Aplicando el operador esperanza m atem tica:
2 E(y -
2E [(y, _
Y ) (y , -
Y) +
(Yl Y ) (y, -
Y)2 +
Y) +
....
. . . . + (y. -
+ (y .., -
Y)2] +
Y ) (y . -
Y)]
281
Y )2 = n (N N~
n2 E( Y )2 =
S E ( _
r =
n2 E(y Y )2 =
K, _
1}-
S2 +
S2 n^n ~
2[ -
S2
nS2 (N ~
T). = | ( l _
r i ^ y,
^
= E [
(n _
(n -
I) E(sh2) =
I) E(sh2) =
[ 2
E f 2
(Yi -
(Yi -
Si hacemos:
y4 Y =
W ,; Y = W
) -
?)2
( -
Y)
2 (*>
282
tenemos:
2 [(y. -
Y) -
Y)]*
( -
= 2 (W, _
1=1
2 W,2 _
2 W 2 W, +
1=1
1=1
2 Wi2
W)2
1=1
n W2
(n W) + n W 3
2 W
1=1
= W ,! - n W !
= 2 (y. 1=1
n(y
Y )2 -
Y )2
1) E(sh2) = E
(yi -
Y )2 -
n ( -
Y )2j
[ 2 t (y. -
Y )2 J
( -
n E
Y )2
n(N
1)
S2
/,
n(N 1)
S2 S2
N
=
S2
S2
n(N 1) (N n)
n (N 1) (N 11)
= s2 - N(n
N
S2
l)
( > - * )
F O R M U L A R IO SO B R E M U E S T R E O A L E A T O R IO SIM PU E
A.
N : N m e r o d e e le m e n to s q u e c o m p o n e n la p o b la c i n ,
n : N m e r o d e e le m e n to s q u e c o m p o n e n la n a f t a ,
y ,: V a lo r d e la v a r ia b le d e la n a u n id a d d e l a p u U m ffla
(i = 1, 2 , 3 ............' N ).
y ,: V a lo r d e la v a r ia b le e n la i- sim a u n id a d d e l a m im iHM i
(i = = I, 2 , 3 ...............n ).
: M e d ia a r itm tic a p o b la c io n a l
N
2 y.
1=1
=
y:
-T
M e d ia a r itm tic a d e la
n
2 j y.
-
*""
muestra
E stim a d o r in s e s g a d o d e l a \
\ ^m e d ia a r itm tic a p o trb faiz ce iaio Bn aillj
r
o 2: V a r ia n z a d e 1; p o b la c i n
2 (y. - )2
o2 =
1= 1
---------------------
N
S 2: V a r ia n z a d e C o c h r a n p a ra la p o b la c i n
N
2 ( y ,- ? ) 2
S2 =
i=i
2 y2
i=i
-a
N I
N 1
N
s2: V a r ia n z a d e C o c h r a n p a r a la m u e str a
2 (y. - y)2
11
2 **
1=1
n 1
n 1
E stim a d o r in se sg a d o 'd e la v a r ia n z a
d e C o c h r a n p a ra la p o b la c i n .
Q yS
M U ESTREO A LEATORIO S IM P L E
Y : Total poblacional
N Y
1=1
Yi
N y
N2 V(y)
da
t v w
el d e
2 1 y.
i
p = --------N
p: Proporcin en la muestra
.n
P=
2 y.
=i
n
Estimador insesgado de la
proporcin poblacional.
S2: Varianza de Cochran para la poblacin
N
S2 = --------N 1 PQ Q = 1 P
s2: Varianza de Cochran para la muestra
' = T n = - pq
de
q = 1 P
caracterstica en la po
A = NP = 2 Yi
1=1
poseen la
v e r d a d e r a d e l e stim a d o r d e la p r o p o r c i n o c u a
d r a d o d e la d e s v ia c i n e st n d a r v e r d a d e r a
Varianza
P Q / N n\
VW =
\ - n j
E m im a d o r d e la v a r ia n z a d e l e stim a d o r d e la p r o p o r c i n
p q
/ N n\
V ariaaa v e r d a d e r a d e l e stim a d o r d e l n m e r o d e e le m e n to s
q u e p o s e e n la c a r a c te r stic a q u e se in v e stig a
V<A) = N* V(p)
E stim a d o r d e la v a r ia n z a d e l e stim a d o r d e l n m e r o d e e le
m e n ta s q u e p o s e e n la c a r a c te r stic a q u e se in v e stig a
*i)
= X 2 v<p)
T a m a a d e la m u e str a (p r im e r a a p r o x im a c i n )
tJPQ
*
d-
e st q u e : t e s e l c o e fic ie n t e d e c o n fia n z a y d e s e l s e m ia n c h o
d e l in te r v a lo d e c o n fia n z a .
a
= t
y v (p )
m: Tamao
A.
VARIABLES CUANTITATIVAS
N:
n:
N h:
n h:
y,.,:
N m e r o d e e le m e n to s q u e c o m p o n e n la p o b la c i n
N m e r o d e e le m e n to s q u e c o m p o n e n la m u e stra
N m e r o d e e le m e n to s d e l e str a to h - sim o
N m e r o d e e le m e n to s d e la m u e str a d e l e str a to h - sim o
V a lo r d e la i-sim a u n id a d d e l e str a to h - sim o
i = 1, 2, 3, . . . . N h; h = 1 , 2 , 3
L
yh l: V a lo r d e la i-csim a u n id a d d e la m u e str a d e l e str a to h - sim o
i = 1, 2 , 3, . . . . n; h = 1, 2, 3, . . . . L
h: M e d ia a r itm tic a d e l e str a to h - s im o
2 y*.
i=l
: M e d ia a r itm tic a d e la p o b la c i n
2
ii=i
yu:
y .. n >.
y h = ---------------- E stim a d o r in se sg a d o d e Yh
n,.
y: M e d ia a r itm tic a d e la m u e str a to ta l
L
2
h = l h "a
n
288
2 h Nh
ii=i
st =
2 (Yh. 2
Yu)2
2 Ybi2
N h Y h2
Nh 1
Nh 1
1= 1
ah
Nh 1
nh
(Y u i
-------
h )2
i= 1
Y h l2
1= 1
nh
" h
nh
Y : T o t a l p o b la c io n a l
L
Nh
2 2 Yh,
h=l i=l
Y = N Y =
Y s t : E stim a d o r d e l to ta l p o b la c io n a l
Yst
N st
V ( st); V a r ia n z a v e r d a d e r a d e l e stim a d o r d e la m e d ia
a] F r m u la g e n e r a l
V ( at) =
N
1 L
2 N h (N h 2 h=1
n)
S 2
nb
b ] P a r a a fija c i n p r o p o r c io n a l
1
_ f L
V ( st) = ---------------- 2 w h S u2 d o n d e :
n
b=i
n
Nh
f = ------- Y W h = ----N
N
c] P a ra a fija c i n p tim a
n2
289
r L
2 wh s j"I
2 wbV
h = l
V(st)
h = l
----
N h Sh
2 N h Sh
h = l
c] A fija c i n p tim a e c o n m ic a
nh =
Nh S/ V^h
2 N s SJ
h=i
nO
h=l
V+
b ] A fija c i n p tim a
n
[ w- *]
V(yst) +
N <=!
290
L a v a r ia b le so la m e n te p u e d e to m a r d o s v a lo r e s: 1 si e l e le
m e n to (e n la p o b la c i n o e n la m u e str a ) p o se e la c a r a c te r s
tic a q u e se in v e stig a , y 0 si n o la p o se e .
(L a n o m e n c la tu r a e s sim ila r a la p r e se n ta d a e n e l p u n t o a .)
P h: P r o p o r c i n e n e l e str a to h - sim o
X
h
2 yh,
Ph =
Nb
Ah
Nb
P : P r o p o r c i n e n la p o b la c i n
p __
Ph N
h = l
ytu
ah
p h = --------------- -----nh
nh
E stim a d o r in se sg a d o d e P h
p : P r o p o r c i n d e la m u e str a to ta l
L
2 Ph n h
h=l
p =
p s t : E stim a d o r in se sg a d o d e la p r o p o r c i n p o b la c io n a l
2
Ph N h
h = l
P st =
A : N m e r o d e e le m e n to s q u e p o s e e n la c a r a c te r stic a e n la p o
b la c i n
291
A =
N P
A =
Npsl<
V (p ) =
i
N|" (Nh ~ n?l)
N - =
N _ _ 1
Ph Q l
ni.
b] A fijaci n proporcional
v (Pst) =
N _
11 N
n
c]
----------
1=
N h2 P h Q h
t-
h=l
W h P h Q
A fijaci n ptim a
(2
\h=1
Nh
V (P ) =
l J
Nh 1
*= '
N2 V (p st)
Nh Ph Qh
---------------
por
nh Ph lh
292
v ( ): E stim a d o r d e la v a r ia n z a d e l e stim a d o r d e l to ta l
v (A ) = N 2 v ( p st)
n h: T a m a o d e la m u e str a e n e l e str a to h - sim o
a] A fija c i n p r o p o r c io n a l
N
. N
nh =
b ] A fija c i n p tim a
Nh (P>, Qh) 1/2
nh =
2
h=l
N h (P h Q h)
' 11
c] A fija c i n p tim a e c o n m ic a
nh
Nh (Ph Qh/c)*
-------------------------- n
2 Nh (Ph Qh/Ch)^
h=l
n : T a m a o d e la m u e str a p a ra e stim a r u n a p r o p o r c i n
a] A fija c i n p r o p o r c io n a l
2
n = --------
W h P Q h
h=I
donde n0 =
1 + _
V(Pst)
+ N
b j A fija c i n p tim a
n
n =
1+
W h Ph Qh
N V (pst) >=!
[ i Wh
d o n d e n n -----------------------V(Pst)
B IB L IO G R A F IA