Beruflich Dokumente
Kultur Dokumente
Las de tendencia Central nos dan una idea resumen de la distribucin o los datos, mientras que las segundas nos miden las diferencias entre dichos datos y nos dan la valoracin de las de tendencia central.
MODA Es el Valor ms repetido en la distribucin o serie de datos, es decir, aquel que tiene mayor frecuencia. Su principal defecto es que no es representativo para series con intervalos muy amplios.
Sintaxis:
En el caso de que no hubiese ningn valor repetido o de que fueran atributos, aparecera #N/A. Si aparecen dos igual de frecuentes, aparece el que primero est en la lista. Moda Y1 X1 X2 X3 X4 634 623 12 45000 #N/A de
En nmero 1 podemos escribir o bien el primer nmero o celda, o el rango completo de valores de la variable Y. Posteriormente pinchamos en Terminar.
En cualquier momento que pinchemos el botn obtenemos la ayuda interactiva sobre esa funcin estadstica, en la que nos indica la sintaxis, breve explicacin sobre la funcin, as como ejemplos y temas relacionados.
En series con total de valores impares, la mediana es el valor central. En series pares, es la media aritmtica de los dos trminos centrales. La principal ventaja es que no tiene en cuenta valores anormales, ya que elimina los extremos pero no debe de utilizarse cuando existen variaciones muy discontinuas. Sintaxis: Clculo Mediana de Y , (que coincide con el Percentil 50, y Cuartil 2) 4 Doc. Juan Roberto Morales Romero
y el resultado
1563,5
MEDIA ARITMTICA Se calcula mediante la suma de sus valores divididos entre el nmero de valores. La gran ventaja, y a su vez desventaja, es que est calculada con todos y cada unos de los valores de esta serie, por lo que puede ser influida, y por ello desvirtuada, por valores excesivamente extraos. La Media Aritmtica se caracteriza porque la suma de las desviaciones del valor respecto a la media de una serie es igual a cero y porque la suma de los cuadrados de las desviaciones respecto a la media es siempre un valor mnimo, comparado con las de las desviaciones respecto a cualquier otro valor distinto de la media. En el caso de agrupaciones con frecuencias absolutas la media aritmtica se calculara: Media =(x1*n1 + ..... xk*nk)/n y en el caso de intervalos de confianza utilizaremos las marcas de clase para sustituir los valores de X. En este caso con lmites poco explcitos o de gran amplitud (principalmente en principios y final) su clculo es ms inexacto. Las marcas de clase se calculan mediante la semisuma de los lmites del intervalo.
En el caso de que los valores estn expresados en una tabla mediante ponderaciones, la media aritmtica es la suma de los valores multiplicado por sus ponderaciones y dividido por la suma de las ponderaciones.
Las celdas que estn vacas o contengan textos no son consideradas. Asistente: Procederemos de igual forma que la anterior, excepto en la eleccin del nombre de la funcin.
MEDIA GEOMTRICA Se calcula multiplicando todas las observaciones entre s y calculando la raz n-sima del resultado. Este resultado ser siempre menor que la media aritmtica. Sintaxis: Clculo media geomtrica de Y
Y 1.569,99
X1 639,25
X2 #NUM!
X3 40.207,43
En el caso de X2, nos sale un mensaje de error al ser algn valor 0 6 Doc. Juan Roberto Morales Romero
MEDIA ARMNICA Es la inversa de la media aritmtica de los valores recprocos. La media armnica es siempre inferior a la media geomtrica que a su vez es siempre inferior a la media aritmtica.
Sintaxis:
Clculo media Armnica de Y Escribimos en la celda = y el resultado 1569,66469 Y 1.569,66 X1 638,85 Media.armo(B3:B24) X2 #NUM X3 38.142,56
En el caso de X2, nos sale un mensaje de error al ser algn valor 0 o menor que 0
PERCENTILES Entendemos por Percentiles aquel dato de la serie de valores ordenada, que deja por debajo un determinado porcentaje de datos. As el Percentil 50 ser en una serie de datos aquel que deja por debajo al 50% de los valores de la serie. En este caso, la mediana coincide con el Percentil 50.
Sintaxis:
Calculo El percentil 30 de Y Escribimos en la celda Percentil 0 10 20 Y 1.526,00 1.534,30 1.540,80 =Percentil(B3:B24:0,3) X1 594,00 608,30 620,60 X2 -17,00 -6,90 -4,60 y el resultado 1547,6 X3 23.000,00 25.250,00 28.500,00 7
En el recuadro de Matriz escribimos como siempre el rango y en el de valor percentil que deseamos.
Nota:
En el caso de que algn percentil se encuentre entre dos observaciones, Excel determina su valor a travs de interpolacin.
Sintaxis:
y el resultado
X2
-17,00 -2,25 5,50 12,00 18,00
1588,75
Y
1.526,00 1.544,75 1.563,50 1.588,75 1.634,00
X1
594,00 623,00 646,00 658,75 675,00
X3
23.000,00 31.050,00 43.000,00 53.250,00 67.000,00
Valor ms bajo.
Asistente:
RECORRIDO Es la diferencia entre el mayor y menor de los valores de los datos. 9 Doc. Juan Roberto Morales Romero
Dentro del recorrido nos es interesante el conocido como recorrido intercuatlico, que corresponde a la diferencia entre el tercer y primer Cuartil. En este caso no nos viene determinada por una funcin predeterminada en excel, pero nosotros vamos a calcularla, utilizando dos funciones ya predeterminadas. Calculamos el Mximo de Y Calculamos el Mnimo de Y =Max(b3:b24) =Min (b3:b24) 1634 1526 108 X3 44.000,00
Al igual que hemos calculado el mayor y el menor, podemos buscar cual es el k-simo mayor o ksimo menor de una distribucin. Sintaxis: k-simo mayor 7 de Y, k-simo menor 7 de Y, Escribimos en la celda Escribimos en la celda k-esimo My 7 K-esimo Mn7 para calcular el sptimo mayor valor de Y para calcular el sptimo menor valor de Y =K.esimo.mayor(B3:B24;7) =K.esimo.menor(B3:B24;7) X1 658,00 623,00 X2 12,00 0,00 y el resultado 1585 y el resultado 1547 X3 51.000,00 32.700,00
Y 1.585,00 1.547,00
Con K=1, nos devuelve el mayor valor. Con K=0 , nos aparece un mensaje de error. Con K>n , nos aparece un mensaje de error. Por ejemplo, en este caso hemos introducido K=35, superior a n=21
#NUM!
VARIANZA Definimos la Varianza como el cociente entre la suma de los cuadrados de las desviaciones (diferencia entre el valor y la media) y el total de valores.
Antes de proseguir debemos de tener en cuenta que en Excel podemos realizar el estudio tanto de un conjunto de datos o poblacin total, o de una muestra de datos de esa poblacin. En este ultimo caso, Excel nos realiza por si misma la muestra.
En el caso de la varianza, Excel dispone de dos funciones : VARP Que calcula la varianza del total de los datos (dividido por n) 11 Doc. Juan Roberto Morales Romero
VAR Que calcula la varianza de una muestra de los datos (dividido por n-1). En realidad es la cuasi-varianza. Sintaxis : En ambos casos la sintaxis es la misma, pero como podemos observar, aunque sea la misma matriz o rango, no nos devuelve el mismo dato.
Clculo Varianza de una muestra de Y Escribimos en la celda Y 1.038,58 1.088,04 =Var(B3:B24) X1 492,32 515,77 y el resultado X2 85,70 89,78 X3 177676529 186137316 1.088,04
Es el valor positivo de la raz cuadrada de la Varianza. Sintaxis : Tambin en ambos casos la sintaxis es la misma.
Clculo Desviacin Tpica para total poblacin de Y Escribimos en la celda =Desvestp(B3:B24) y el resultado 32,23
Clculo Desviacin Tpica para una muestra de Y Escribimos en la celda =Desvest(B3:B24) y el resultado 32,99 12 Doc. Juan Roberto Morales Romero
Como hemos dicho, la desviacin tpica es el valor positivo de la raz cuadrada de la varianza, y vamos aprovechar esta funcin para explicar cmo es posible utilizar el botn del asistente. Nos situamos en Funciones Matemticas, en la Raz Cuadrada.
y pinchamos en que nos llevar de nuevo al asistente de funciones donde seleccionamos la varianza total, y realizamos el proceso normal para el calculo de una varianza.
y al terminar con el asistente de varianza, nos volvemos automticamente al asistente de raz, donde nos calcular la raz de la Varianza.
cuyo resultado es 32,22, como lo obtenido directamente. Obsrvese que en el cuadro anterior a este ltimo, podemos ver la palabra Anidado, es decir, que estamos enlazando funciones mediante el asistente.
Estos pasos realizados mediante el asistente, es posible realizarlo tambin directamente en la celda.
COEFICIENTE DE VARIACIN
Sintaxis :
C. Variacin
Y 2,05
X1 3,47
X2 207,82
X3 31,49
Con lo que podemos observar, que es el valor de la Y el que est menos dispersos los datos respecto a su media.
COEFICIENTE DE ASIMETRA
Calcula el sesgo de una distribucin comparndola con la distribucin normal con la misma media y dispersin.
Clculo Coeficiente de Asimetra deY Escribimos en la celda y el resultado ser Y 0,65 X1 -0,63 =Coeficiente.Asimetria(B3:B24) 0,65 X2 -0,66 X3 0,29
C.Asimetra
CURTOSIS
Calcula el apuntamiento o achatamiento de una distribucin, comparada con la distribucin normal de misma media y dispersin.
Si la Curtosis Si es
>0 <0
Sintaxis:
=Curtosis(B3:B24) -0,47
X2 -0,26 X3 -1,04
Nota:; Si se definen menos de cuatro observaciones por serie, nos dar error
DEPENDENCIA LINEAL
16 Doc. Juan Roberto Morales Romero
Vamos a ver la posible relacin existente entre la variable Y y el resto de Variables X. Llamamos Variable Dependiente a la Y, ya que su valor va a depender de los posibles valores que pueden tomar la variables independientes. La relacin de los valores de Y respecto a los valores que tome la X, la calculamos mediante el mtodo de mnimos cuadrados, para calcular la recta que mejor se aproxima a esa relacin. Este es el conocido como Mtodo de Regresin Lineal. Sean 2 variables Y (variable dependiente) e X (variable independiente), la recta de regresin lineal es : Y = mX + b El valor m (conocido como pendiente) es un coeficiente que indica la relacin con la X, y el valor b es una constante que indica la independencia de Y respecto a X, y que en el caso de que cuando X=0, Y=b
m=Cov(xy)/Var(x) Cov(xy)=Covarianza de XY = Media Aritmtica(XY)-Media A(X)*Media A(Y) b=Media A(X)-Media A(Y)*m
COVARIANZA Obtiene el promedio del producto de desviaciones de puntos de datos partiendo de las medias respectivas. La covarianza es una medida de la relacin entre dos rangos de datos y est vinculada a la unidad de medida correspondiente a X e Y.
Sintaxis: Clculo de Covarianza de X1 e Y Escribimos en la celda Y/X1 -556,38 Covar(b3:b24;c3:c24) Y/X2 178,54 Y/X3 113.664,05 y el resultado -556,38
Covar
COEFICIENTE DE CORRELACIN
Mide el grado de relacin existente entre las variables, y se calcula mediante: Corr(XY)= Cov(XY)/(Desv(x)*Desv(y)) Este toma valores entre 1 y -1, Si Corr(XY)= 1 0 -1 Relacin Directa y Absoluta (Aumento de X=>Aumento Y). No existe Correlacin (X e Y son incorreladas). Relacin Indirecta y Absoluta (Aumento de X=>Dism. Y).
Sintaxis:
Esto nos indica que existe una relacin inversa entre los valores del LME y los de aluminio, es decir, cuando los stocks aumentan, la cotizacin disminuye y viceversa.
stocks
Coef. Corr
La cotizacin del aluminio en el LME est altamente correlado negativamente con los stocks de Aluminio, medianamente correlado de forma positiva con la variacin del da anterior del Cobre en el LME y tambin de forma positiva con los volmenes de negociacin.
COEFICIENTE DE DETERMINACIN Muestra la bondad de la recta de regresin para estudiar la relacin de dependencia entre las variables. Su valor flucta entre 0 y 1. En 1 nos indicara que la recta es perfecta para determinar esa relacin y en 0 que no nos es til la recta de regresin para determinarla. En el caso de que fuera 1, nos indicara que no existiran diferencias entre valores estimados y valores reales. =COEFICIENTE.R2(matriz_ymatriz_x)
Sintaxis:
Calculamos ahora la recta de regresin lineal entre dos variables, Y y X1 mediante : Y=m*X1 + b
Sintaxis:
ESTIMACION.LINEAL(Matrix_Y;Matriz_X;constante;estadstica)
Matriz_y Matriz_x;
Constante Determina si b debe de calcularse (se omite o pone Verdadero), lo que debe ser lo habitual, salvo que se sepa con certeza que cuando X=0, Y distinto de cero. En este ltimo caso, debe de ponerse 0 o FALSO. Estadstica Determina si se calcula estadsticos adicionales de la recta de regresin.
La funcin devuelve una MATRIZ, por lo que debe de seleccionarse el rango de salida :
con Ctrl +
las salidas de los indicadores se nos muestran de la siguiente forma m se(m) R2 F ss(reg) m b se(b) se(y) df ss(res)
Pendiente de la recta de regresin. Puede ser calculada separadamente mediante la funcin PENDIENTE Sintaxis =Pendiente(matriz_y;matriz_x)
Punto de interseccin con eje Y. Puede calcularse independientemente con la funcin INTERSECCION.eje Sintaxis =Interseccion.eje(matriz_y;matrix_x)
Error tpico de la estimacin Puede calcularse independientemente con la funcin ERROR.TIPICO.XY Sintaxis =Error.Tipico.XY(Matriz_y;Matriz_x)
Estadstico F o valor F observado. Puede calcularse independientemente con la funcin DISTR.F Sintaxis =Distr.F(X;grados_libertad1;grados_libertad_2)
df se(reg) se(resid)
Grados de libertad para la prueba F. Suma de los cuadrados de la regresin. Suma de los cuadrados de los residuos.
La lnea de regresin, que ajusta los datos de la Y a los de la X, puede expresarse como:
El coeficiente de Determinacin obtenido (R2 = 0,605), lo que nos indica una bondad de la recta satisfactoria para predecir los valores de Y Error tpico de la estimacin => se(y) = 21,23 Estadstico F => F = 30,687 Grados de libertad para Prueba F=> df = 20 Suma de cuadrados regresin => se(reg)=13.833,207 Suma de cuadrados de residuos => se(res) =9.015,56
TENDENCIA Una vez calculados los valores m y b de la recta y analizado los dos estadsticos anteriores, podemos realizar el pronstico de valores que alcanzar Y en funcin de los nuevos valores de X.
y =mX+b
con lo que hemos calculado los valores estimados, para los datos reales que tenemos.
Mediante el asistente de grficas podemos representar las diferencias entre los valores reales y los obtenidos por regresin lineal. (Para ello ordenamos los datos de la tabla anterior de menor a mayor).
Para ver la relacin entre la regresin obtenida y las observaciones, utilizamos la siguiente grfica . La recta de regresin corta al eje de ordenada para (0,b). Su pendiente es m.
simplemente, escribiendo en la matriz de Nuevas_X, las deseadas. Tambin se puede realizar, calculando mediante la funcin PRONOSTICO para un valor determinado de X1 =Pronstico(xmatriz_ymatriz_x) 26 Doc. Juan Roberto Morales Romero
Sintaxis:
REGRESIN LINEAL MLTIPLE Al igual que hemos realizado la regresin lineal mnimo cuadrtica para establecer la dependencia entre Y e X, tambin podemos realizarlas para observar dicha dependencia de Y respecto a varias variables (X1..Xn).
En este caso la regresin ser del tipo : Y=m1X1+..+mnXn+b De la misma manera calcularemos el coeficiente de determinacin y los coeficientes de correlacin parciales entre variables. En Excel es posible calcular otros estadsticos que pueden ser muy tiles, tales como EL Valor F Observado, los grados de libertad, la suma de regresin de cuadrados, la suma residual de los cuadrados, error tpico de la estimacin...
Veamos ahora el caso de que la variable dependiente est relacionada con ms de una variable independiente. Para n variables dependientes, la recta de regresin ser : Y=x1*m1 + ...+xn*mn + b Para 3 variables independientes: Y=X1*m1+X2*m2+X3*m3+b 27 Doc. Juan Roberto Morales Romero
b= Valor de Y para X1,X2,X3 =0 = 2.185,67 m1= Influencia de X1 en Y. Por cada aumento de 1 unidad de X1, Y disminuye en 0,9627 m2 = Influencia de X2 en Y. Por cada aumento unitario de X2, Y aumenta en 0,962 Es decir, la subida en la cotizacin del cobre "ayuda" a la subida del aluminio y viceversa. La explicacin de esta aparente contrariedad estriba en que el auge del cobre redunda en auges en el mercado del aluminio, es decir "le contagia", pese a ser bienes sustitutivos. m3=Influencia de X3 en Y. Por cada aumento de una unidad de volumen contratado, el aluminio baja en 0,0001. Si tenemos en cuenta que las variaciones suponen variaciones de al menos 1000 contratos, podemos expresarlo mejor diciendo que por cada aumento de 1000 contratos negociados en el mercado a 3 meses, la cotizacin al contado disminuye en 0,101. Es decir casi inapreciable, como podiamos suponer al ver el valor de la correlacin entre Y/X3, que era el ms bajo de los tres. R2= 0,68
ESTIMACIN EXPONENCIAL
En ocasiones la dependencia entre variables no se ajusta a una recta o al ajustarla nos sale un coeficiente de determinacin que indica que no es til, y podemos realizar la estimacin mediante una curva exponencial. En Excel podemos realizar la tendencia de datos mediante la funcin crecimiento que ajusta los datos de X, Y a lo largo de la curva.
En este caso si al especificar la constante en el asistente ponemos Falso, el valor que no calcula se asume igual a 1. Ya que Excel calcula la formula para los clculos: Ln(Y)=Ln(b)+ x1 * Ln(m1) + .. + Xn * Ln(mn) los estadsticos que nos resultan sern : se(m) se(b) Error tpico de Ln(b) Errores tpicos de Ln(m)
En el asistente seleccionaremos la funcin ESTIMACION.LOGARITMICA. La tendencia de los datos la realizamos mediante la funcin CRECIMIENTO.
DISTRIBUCIN NORMAL
Cul es la posibilidad de que una da el LME asuma un valor menor o igual que $/Tm?. Supongamos el caso de que siguiese dist. normal y segn datos de Abril. Sintaxis: DISTR.NORM(xmediadesv_estacum) Si acum=Verdadero Si acum=falso Media= Desv.Tpica= =>Prob de que un valor menor o igual que x. (Funcin de distribucin). =>Funcin de densidad. 1.570,32 32,23
Utilizamos el asistente:
El resto de los datos los obtenemos arrastrando la frmula y la densidad, arrastrando y sustituyendo verdadero por FALSO. Representacin grfica:
1 0,8 0,6 0,4 0,2 0 1500 1525 1550 1575 1600 1625 1650
F. Distrib. F. Densidad
Nos calcular el valor de la variable aleatoria, para una probabilidad dada siguiendo una distr. normal acumulativa. Cul es el valor de LME con una probabilidad del 10%?. DISTR.NORM.INV(probmediadesv_estandar)
Sintaxis :
NORMALIZACIN
Nos calcula el valor normalizado de una distribucin La ecuacin de normalizacin es: Z=(x-media)/desv. tipica
Sintaxis:
NORMALIZACION(xmediadesv_estandar)
Primero vamos a proceder a ordenar de menor a mayor los datos del LME
Habiendo adoptado una forma ms prxima a la del modelo normal, aunque asimtrica a la derecha y achatada, como podamos prever al examinar el coeficiente de asimetra y de curtosis. Recordemos que :
C. Asimetra C. Curtosis
0,6541014 -0,46540196
=COEFICIENTE.ASIMETRIA(B3:B24) =CURTOSIS(B3:B24)
Opciones de compra
Una opcin de compra es un contrato que concede el derecho a comprar un activo (en nuestro caso 1 Tm de aluminio en el LME) a un precio determinado dentro un determinado tiempo. Supongamos una empresa que va a necesitar 1 Tm de aluminio para dentro de 3 meses. Como ve el mercado alcista, cree que dentro de 3 meses el precio del aluminio va a estar muy elevado y el quiere comprar esta Tm dentro de 6 meses a 1500 $.
Frmula:
donde d1 y d2 son :
y los valores a incluir en ellas son: Oc = Pm = Valor de la OPCIN DE COMPRA Precio actual del LME aluminio
= e= N(d) =
es decir Oc:
Es decir a esta empresa el derecho a poder comprar el aluminio a 1.500 $/Tm dentro de 3 meses le costar 147,46 $/Tm, que deber de pagar ejercite o no este derecho.
Si LME=1800 $/Tm, el coste para la empresa ser de 1.647,46 $/Tm (Pm+Oc), es decir, este habr ahorrado 152,54, ya que ejerce su derecho a comprar a 1.500 Si LME=1300 $/Tm, el coste para la empresa ser de 1.467,46 (1300+Oc), ya que no ejerce su derecho a comprar a 1.500 y compra a 1.300, pero el coste de la opcin si ha de pagarlo. Sera muy interesante calcular curvas de regresin lineal univariante entre Oc y las distintas variables. Las relaciones de dependencia son :
Aumento de====>En Oc Pm Aumento Pe Disminucin t Aumento Aumento Volatilidad Aumento Tablas de Variaciones de Oc y variaciones respecto al valor central. Todos lo datos iguales al ejemplo, excepto el de la tabla.
INFERENCIA ESTADSTICA
Las inferencias las empleamos para contrastar hiptesis y determinar si el suceso a contrastar sucede aleatoriamente o bien tiene un fundamento real. En funcin de las distintas estadsticas que hemos estudiado, podemos realizar algunos de estos contrastes de hiptesis: CONTRASTE DEL COEFICIENTE DE DETERMINACIN Habamos obtenido la regresin entre la variable Y y la X1(LME aluminio y Stocks de Aluminio)y habamos determinado la relacin existente entre ambas mediante los datos:
Para determinar este contraste utilizamos el estadstico F. Si podemos rechazar la hiptesis nula, en este caso podremos decir que la relacin entre las variables es real, y no debida a la aleatoriedad de las muestras. con un nivel de significacin de un determinado porcentaje. Para calcular el nivel de riesgo en equivocarnos en este contraste, utilizamos lo que denominamos Nivel de Significacin ( ), por tanto 1- ser el nivel de confianza. Habitualmente se utiliza igual a 0,05 o 0,01.
Sea
F el estadstico obtenido en la regresin lineal. Fcrtico el obtenido para valor determinado de . Si F > Fcrtica rechazamos la Ho, con lo que r2 ser distinto de cero. F = 30,69 Fcrtico para = 0,05, utilizamos la funcin del asistente DISTR:F:INV Sintaxis : Distr.F.Inv(Probabilidad, grados_libertad1;grados_libertad2) Probabilidad = Grados_L1 = K=nmero de variables independientes Grados_L2 = df de la salida de la tabla de regresin. 42
Fcrtica ( = 0,05) = 4,351, por lo que F > Fcrtica, y podemos rechazar la hiptesis nula y determinar que existe relacin de dependencia entre las variables con una confianza del 95%.
La media aritmtica obtenida anteriormente habitualmente es utilizada como estimador de la media de la poblacin. Es interesante obtener un intervalo de confianza para esta media con un nivel de confianza (1- ) de manera que si calculsemos distintas medias aritmticas de esa variable con distintas muestras, la media poblacional estara entre ese intervalo obtenido con una confianza del (1- ) %.
Para los datos de la variable LME la media obtenida era 1570,31 y la semiamplitud del intervalo ser de 13,46
y por lo tanto el intervalo de confianza para la media con una confianza del 95% ser de:(1.556,85 , 1.583,78), que obtenemos mediante Media Semiamplitud. INDEPENDENCIA ENTRE ATRIBUTOS En general dos atributos son independientes si la distribucin de probabilidad de cualquiera de los dos atributos no es condicionada por las categoras del otro. Para ello vamos a aadir a nuestro ejemplo una nueva variable X5 denominada Variacin LME con la siguiente serie de datos:
y las tablas de frecuencia y frecuencia esperada para cada par de datos ser:
Ho = X4 , X5 son independientes H1 = X4 , X5 no son independientes Para ello realizaremos el contraste mediante el estadstico Chi-cuadrado empleando la funcin: PRUEBA.CHI del asistente de funciones. Si el valor obtenido en Prueba.Chi > 0,05, no se puede rechazar la hiptesis de independencia. Si es < que 0,05 se rechaza la hiptesis de independencia. El valor obtenido es de 0,017, por lo que rechazamos la hiptesis de independencia., que hemos calculado de la siguiente forma:
Generalmente, estas macros no estn autocargadas, por lo que lo primero a realizar ser cargarlas. Para ello nos vamos y seleccionamos el men HERRAMIENTAS y MACROS AUTOMTICAS.
"
Seleccionamos Herramientas para el anlisis, en caso de no estarlo, al aceptar estamos cargndolo en nuestro men de herramientas. Al desplegar este men nos aparecer uno nuevo llamado ANLISIS DE DATOS, que vamos a seleccionar y nos aparecer.
De las mltiples opciones vamos a elegir Estadstica descriptiva y aceptamos con lo que nos aparecer:
En el rango de entrada sealamos tambin la fila de ttulos, si vamos a marcar la casillas de ttulos en 1 fila .
Para facilitar la lectura de datos vamos a hacer que las salidas estn en otra hoja de este libro. Al validar este men, nos aparecer en una hoja adyacente una serie de datos calculados de estadstica descriptiva, as como grficos relacionados.
Igualmente podemos realizar estos pasos para calcular REGRESIONES LINEALES de Y y X1. En este caso el men final sera :