Escolar Documentos
Profissional Documentos
Cultura Documentos
1
INTRODUCCIÓN
• 3.2.- Descripción numérica.
• 3.2.1.- Cualitativas
• 3.2.2.- Ordinales
• 3.2.3.- Cuantitativas.
• 3.3.- Según las características observadas.
• 3.3.1.- Multidimensionales
• 3.3.2.- Unidimensionales
• 3.4.-Según el período de tiempo.
• 3.4.1.- Atemporales.
• 3.2.4.- Temporales o cronológicas.
• 4.- Fuentes Estadísticas.
• 5.- Representación gráfica.
2
ANÁLISIS DE DATOS UNIDIMENSIONALES
• 1.-Medidas de posición.
• 1.1.-Media. Propiedades
• 1.2.-Mediana.
• 1.2.1.-Datos sin agrupar.
• 1.2.2.- Datos agrupados.
• 1.3 Cuartiles, deciles, centiles.
• 1.4.-Moda
• 1.4.1.- Datos sin agrupar
• 1.4.2.- Datos agrupados en intervalos.
• 1.4.2.1.- Intervalos de la misma amplitud
• 1.4.2.2.- Intervalos de distinta amplitud
3
ANÁLISIS DE DATOS UNIDIMENSIONALES
4
ANÁLISIS DE DATOS
MULTIDIMENSIONALES
5
REGRESIÓN
6
TASAS DE VARIACIÓN Y NÚMEROS ÍNDICE
• 1. Tasas de variación.
• 2. Números Índice: clasificación.
• 3. Índices de precios y cantidades.
• 4. Cambio de base, renovación y enlace.
• 5. Deflactación de series económicas.
7
TASAS DE VARIACIÓN Y NÚMEROS ÍNDICE
VARIACIÓN ABSOLUTA
Yt Yt Yt 1
TASA DE VARIACIÓN
RELATIVA .
Yt
Yt
Yt 1 8
TASAS DE VARIACIÓN Y NÚMEROS ÍNDICE
9
CLASIFICACIÓN NÚMEROS INDICE
• SIMPLES
NO PONDERADOS
• COMPLEJOS
PONDERADOS
10
CLASIFICACIÓN NÚMEROS INDICE
MEDIA
ARITMÉTICA
SIMPLE
COMPLEJOS
NO PONDERADOS
MEDIA
AGREGATIVA
SIMPLE
11
CLASIFICACIÓN NÚMEROS INDICE
MEDIA
ARITMÉTICA
PONDERADA
COMPLEJOS
PONDERADOS
MEDIA
AGREGATIVA
PONDERADA
12
CLASIFICACIÓN NÚMEROS INDICE
I NDICE PRECIOS CANTIDADES
SIMPLE
SAUERBERCK
Media
aritmètica
BRADSTREET-
DUDOT(media
agregativa)
LASPEYRES
(media
agregativa
ponderada)
PAASCHE
(media
agregativa
13
ponderada
Alumnado universitario en España. 1960-1999.
14
Cuadro 1: Alumnado universitario en España.
1960-1999.
Curso Alumnos Índice Tasa de variación anual
1974-75 468.526 274,6 6,4%
1975-76 539.022 316,0 15,0%
1976-77 590.192 345,9 9,5%
1977-78 689.971 404,4 16,9%
1978-79 673.528 394,8 -2,4%
1979-80 657.447 385,4 -2,4%
1980-81 649.098 380,5 -1,3%
1981-82 669.848 392,6 3,2%
1982-83 692.152 405,7 3,3%
1983-84 744.115 436,2 7,5%
1984-85 788.168 462,0 5,9%
1985-86 854.104 500,6 8,4%
1986-87 902.284 528,9 5,6%
1987-88 969.412 568,2 7,4%
1988-89 1.027.018 602,0 5,9%
1989-90 1.093.086 640,7 6,4%
15
Cuadro 1: Alumnado universitario en España.
1960-1999.
Curso Alumnos Índice Tasa de variación anual
1990-91 1.140.572 668,6 4,3%
1991-92 1.209.108 708,7 6,0%
1992-93 1.291.996 757,3 6,9%
1993-94 1.358.616 796,4 5,2%
1994-95 1.445.322 847,2 6,4%
1995-96 1.505.611 882,5 4,2%
1996-97 1.551.969 909,7 3,1%
1997-98 1.568.752 919,5 1,1%
1998-99 1.583.297 928,1 0,9%
16
SERIES TEMPORALES
17
MODELOS DE PROBABILIAD UNIVARIANTES
1. Incertidumbre y probabilidad.
1.1 Experimentos y sucesos aleatorios
4. Esperanza y varianza
5. Desigualdad de Chebychev
19
6. Función característica.
MODELOS DE PROBABILIAD UNIVARIANTES
PROBABILIDAD AXIOMÁTICA
A.1 0P(A) 1
A.2 P()=1
A.3 P(Ai)=P(Ai)
_
T.1 P( A )=1-P(A)
T.2 P()=0
T.3 ABP(A)P(B)
T.4 P(A B)=P(A)+P(B)-P(AB)
T.5 P(AB)=P(A)P(B)
T.6 P(A/B)= P(AB)/P(B) 20
MODELOS DE PROBABILIDAD UNIVARIANTES
• Teorema de la Intersección
• P(AB)=P(A/B).P(B)
P(B/A).P(A)
Si A y B son independientes
P(AB)= P(A).P(B)
21
MODELOS DE PROBABILIDAD UNIVARIANTES
22
MODELOS DE PROBABILIDAD UNIVARIANTES
• Teorema de Bayes
• Sea A1,A2,...,An donde Ai son disjuntos.
• Sea B
• Se conoce P(B/Ai)
• P(Ai/B)=P(AiB)/P(B)=
• =P(B/Ai).P(Ai)/P(B/Ai).P(Ai)
23
MODELOS ESPECÍFICOS UNIVARIANTES
• 1.-Bernouilli
• 2.- Binomial
• 3.-Poisson
• 4.-Uniforme
• 5.-Exponencial
• 6.-Normal
• 7.-Convergència: -Binomial –Poisson
» Poisson-Normal
24
Modelos especificos univariantes
Bernouilli
25
Modelos específicos univariantes
26
Modelos específicos univariantes
27
Simeon Poisson 1781-1840
más
sobre
Poisson
Haz clic
28
Modelos específicos univariantes
Uniforme
29
Modelos específicos univariantes
30
Modelos específicos univariantes
Normal
31
Carl Fiedrich Gauss 1777-1855
33
Modelos Multivariantes
Específicos
• 1. La distribución multinomial.
• 2. La distribución normal multivariante.
• 2.1 Estudio del caso bidimensional: distribución
conjunta, marginal y condicionada.
• 2.2 Independencia
• 2.3 Incorrelación
• 2.4 Transformaciones lineales.
• 3. Distribuciones derivadas de la Normal
• 4. Reproductividad de algunas distribuciones.
34
Distribución Multinomial
x x1 ,..., x k n pruebas ; k resultados
n!
P( x ) p 1x ...p kx
1 k
x 1 !...x k !
E X i np i
V ( X i ) np i (1 p i )
Cov( X i , X j ) np i p j 35
Distribución Binormal
x x1 , x 2
Reducida
X N(0,1)
General
X N(, v)
2
1
v 1
12
2
2 12 2
36
Distribución Binormal
• Distribuciones Marginales
x N( , )
1 1
2
1
x N ( , )
2 2
2
2
• Distribuciones condicionadas
12
x 1 / x 2 N 1 2 ( x 2 2 ); 1 ( 1 )
2 2
2
12
x 2 / x 1 N 2 2 ( x 1 1 ); 2 ( 1 )
2 2
1 37
Distribución Binormal
• Transformaciones lineales de variables normales
• 1)
X N(; v )
Y AX b Y N( A b; AVA ) '
x
• 2)X1, X2 son variables
Normales
X1~N(1,21) X2~N(2,22)
Distribución de Y=X1+X2
a) Si X1 e X2 son independientes 38
b) Si X1 e X2 no son independientes