You are on page 1of 8

EL CONOCIMIENTO ESTADISTICO FENOMENOS ALEATORIOS: En situaciones idnticas pueden obtenerse comportamientos diversos de los individuos, en contra de: PRINCIPIO

DETERMINISTA: Exige idnticos resultados como consecuencia de iguales situaciones. Aparecen n METODOS PROBABILISTICOS O ESTADISTICOS: que buscan el promedio de una gran masa de individuos. En su fase inicial, consiste en recoger datos referentes al comportamiento de los individuos de la poblacin, respecto del fenmeno que se estudia. Esos datos, clasificados y tabulados, sirven de base para la elaboracin matemtica que conduce a obtener resultados y leyes que expresan caractersticas del comportamiento promedio de la poblacin. La estadstica cumple su primer objetivo, DESCRIBIR. PREDICCION ESTADISTICA: predecir el comportamiento promedio de una poblacin en el futuro, apoyndose en el conocimiento del presente y del pasado. TEORIA DE LAS MUESTRAS: Conjunto de las tcnicas que permite establecer resultados validos para poblaciones numerosas, partiendo de observaciones del comportamiento de una pequea parte de poblacin, llamada muestra. ESTADISTICA Y ECONOMIA: Ley Cientfica: Que la exige la objetividad como condicin primordial. La razn principal, esta en que el tipo comn de los fenmenos econmicos es de naturaleza aleatoria, o hay en ellos una combinacin de dos componentes, una sistemtica y otra aleatoria. Econometra: Propone partir de las observaciones realizadas por determinacin estadstica de los hechos econmicos, y de ellas obtener, por camino inferencial, las leyes econmicas. Este mtodo presenta dos caractersticas que le dan categora de procedimiento cientfico. La objetividad y la precisin. La OBJETIVIDAD, se obtiene de la comprobacin de los hechos realizada por los procedimientos estadsticos. Por otra parte, la PRECISION, es una resultante de lso procedimientos estadsticos matemticos que se emplean. PROBABILIDADES Aleatoriedad: Los acontecimientos aleatorios se caracterizan porque admiten dos resultados posibles o mas y no tenemos elementos de juicio suficientes para predecir cual de ellos ocurrir en determinada realizacin. CONCEPTO DE PROBABILIDAD 1. ESCUELA CLASICA (Laplace): Define la probabilidad como un cociente entre el numero de los casos favorables y el numero de casos igualmente posibles. OBJECIONES: - No poder utilizar la palabra probabilidad para definir a la probabilidad, para cuando decimos Numero de casos favorables, es igual a numero de casos probables - Es el principio de igual distribucin de la ignorancia o equiparabilidad (Ej: no conocer a las 2 personas que juegan y apostar 50% para C/U)

2. ESCUELA EMPIRISTA: Parte de la frecuencia relativa y parte de esta para llegar a la probabilidad. Para los empiristas, la frecuencia relativa es el cociente entre el numero de casos favorables y el numero total de juegos, eventos o experimentos. Entonces, ser mas preciso cuanto mayor es la cantidad de pruebas. OBJECIONES: - La probabilidad no es una cuestin de tiempo - Las condiciones de juego no son igual al principio que al final - No siempre el limite converge a la probabilidad 3. ESCUELA SUBJETIVISTA: La probabilidad va a depender de mayor o menor conocimiento que se tenga sobre el evento en estudio. (varian de 1 a 100) 4. ESCUELA AXIOMATICA: La probabilidad se basa en una serie de principios y postulados (donde a cada punto de un espacio muestral le corresponde un numero) y ese numero se denomina probabilidad. CONDICIONES: - El suceso imposible vale 0 - El suceso seguro vale 1 - La suma me tiene que dar 1 (la certeza) La probabilidad del suceso favorable = P La probabilidad del suceso desfavorable = Q

P+Q=1 Los eventos pueden ser simples o compuestos. COMPUESTO: se puede descomponer en eventos simples (Ej: al tirar un dado la probabilidad de que salga par es 3/6, y se puede descomponer, 1/6 (2), 1/6 (4), 1/6 (6). -compatibles, incompatibles, independiente y dependienteSIMPLE: No se puede descomponer, se evala un nico suceso posible

VARIABLE ALEATORIA: Se tiene un acontecimiento cuyas posibilidades se indican con Xi (valores numricos) o modalidades correspondientes a un atributo. A cada Xi le corresponde una probabilidad Pi. ESPERANZA MATEMATICA: Son los valores mas caracteristicos de la variable aleatoria. DISPERSION: La raz cuadrada de la varianza (desvos de la Mx). El coeficiente de dispersin es la caracterstica mas importante de una variable aleatoria, puesto que permite medir la variabilidad, osea la modalidad mas interesante. SERIES CRONOLOGICAS SERIE SIMPLE: Los datos obtenidos en el relevamiento vienen reunidos en tablas o series estadsticas. Si la tabla contiene los datos individuo por individuo, tenemos lo que se llama una serie simple SERIES DE FRECUENCIA: Agrupar los individuos de comportamiento anlogo en un numero reducido de grupos. Los nmeros Ni se llaman Frecuencias Absolutas y los cocientes Ni/N se llaman Frecuencias Relativas.

AMPLITUD: La diferenciaentre el mayor y el menor valor de la serie. Es por lo tanto la medida del campo de variabilidad MEDIA ARITMETICA: Es la representacin de los valores de la serie, mediante un valor central. Es el promedio mas utilizado en estadstica y la caracterstica fundamental de las series. Mx = (Xi/N) Mx = (Xi*Ni)/N Propiedades: - Para usarla, los intervalos deben ser iguales - La media aritmtica de una constante es igual a la misma constante - La sumatoria de los desvos de los valores de la variable con respecto a la media aritmtica siempre da cero. Compensa desvos. - La media del producto de una variable por una constante es igual a la constante por la media aritmeica de la variable

Xi 6 7 8
-

Xi*8 6*8 =48 7*8=56 8*8=64 168

= (Xi*8) 168/3 = 56 8*7 = 56

El promedio debe estar comprendido entre el mnimo y mximo del valor de la variable

OTROS VALORES MEDIOS: MEDIA GEOMETRICA: La utilizamos cuando trabajamos con valores de variables que crecen en forma geomtrica o cuando trabajamos con coeficientes o ndices. El principal problema es que si uno de los trminos es cero, todos quedan multiplicados por cero y si es necesario puede dar un numero imaginario o carente de sentido.

MEDIA ARMONICA: Se utiliza cuando relacionamos valores de variable de una especie con valores constantes de otra especie (Ej: distancias iguales, velocidades diferentes)

a =
COMPARACION ENTRE LOS PROMEDIOS:

4 1/200 + 1/100 + 1/50 + 1/25

Ma < Mg < M

LA MEDIANA (percentil 50): Es un valor de la variable cuya ordenada divide a la serie en 2 partes iguales. En una distribucin que no sea por intervalo de clase donde la cantidad de trminos es impar, la mediana se obtiene ordenando los valores de menor a mayor o viceversa y la mediana ser el valor del medio:

6 10 8 9

4 5 6 7 Me

5 8 4 9 7 10
Cuando es par, se agarran los dos valores del medio, se suman y se divide en 2. NOTA: Es un promedio de posicin diferente de la media que es un promedio de cantidad Cuando la mediana la tenemos que calcular mediante una distribucin por intervalos. Tenemos que calcular una columna adicional que es la de la Frecuencia Acumulada. Entonces nos tenemos que posicionar en el ultimo valor de frecuencia que debe ser coincidente con el si la sumatoria del total de las frecuencias es igual a N. Luego, a ese ultimo valor lo multiplicamos por 0.5. a continuacin, observamos en la columna de Frecuencia Acumulada, cual es el primer valor que supera el resultado que obtuvimos, y en ese intervalo estar la mediana. Luego, hallamos el punto mediana mediante la formula:

En donde: Li: Lmite Inferior n * 0.5 = La mitad de la poblacin n1 = Frecuencia que le corresponde al intervalo donde esta la mediana n (a-1) = Frecuencia acumulada anterior al del intervalo que contiene la mediana MODO O MODA: Valor de la variable que mas se repite que tiene la mxima frecuencia absoluta. Si no hay uno con mas frecuencia, no hay moda. Si hay varios, hay ms de una moda.

CUARTILES, DECILES Y PERCENTILES CUARTILES: La mediana resuelve dividir los trminos de la serie, ordenados por su valor, en mitades. Ahora se divide en cuatro grupos, y esos puntos de divisin son llamados cuartiles. Q1: es un valor que supera la cuarta parte de los valores de la serie

Q2: la mediana Q3: supera el valor de las 3 cuartas partes de los trminos Q4: la cuarta parte restante DECILES: Dividen a la poblacin en 10 partes PERCENTILES: Dividen a la poblacin ordenada en 100 DISPERSION: Es la variacin de los valores en los datos dados. Ej: una baja dispersin de los salarios de un grupo de trabajadores, dara la indicacin que a los trabajadores les han pagado sueldos iguales. Pero una alta dispersin dara la impresin de que los trabajadores cobraron con una amplia variacin entre los salarios. VARIANZA: Mide el agrupamiento de los valores de la variable alrededor del valor central (Mx). Dicha medicin es realizada en unidades cuadrticas. Cuanto mas cercano sea la varianza, mas representativa va a ser la Mx de los valores de la variable. Es el promedio de los desvos cuadrticos de los valores de la variable respecto de la Mx COEFICIENTE DE VARIABILIDAD DE PIERSSON: Mide cuan representativa es la variabilidad de los valores con respecto a la Mx. Se mide en porcentaje (%). MEDIDAS DE DEFORMACION ASIMETRIA: Mide el grado de distorsin del polgono cuando estandarizamos CURTOSIS: Mide cuando puntiaguda es una distribucin respecto de una estndar. Este Estndar es una forma cicomplinda denominada Normal. El valor de K permite clasificar las curvas o polgonos de frecuencia en 3 categoras: K > 0: LEPTOCURTICAS (angosta) K = 0: MESOCURTICAS K < 0: PLASTICURTICAS (ancha) SERIES CRONOLOGICAS Las variaciones que sufre una variable a lo largo del tiempo son resultantes de una serie de factores: 1. TENDENCIA: Va a permitir determinar si la variable crece o decrece. La determinamos a travs del modelo de los Mnimos Cuadrticos. T =at + tb 2. ESTACIONALIDAD: Refleja el periodo de la unidad de tiempo que atraviesa la variable en una unidad de tiempo de corto plazo (1 ao). Se determina a travs de promedios mviles. X3 = Trimestres 3. VARIACION CICLICA: Mide las variaciones que presenta la variable en periodos superiores a un ao. Termino Asociado con los actos econmicos (5 a 10 aos) 4. VARIACION ALEATORIA: Mide las variaciones de la variable segn hecho inesperado. Por Ejemplo: la inundacin o un terremoto. En econmica, acto de 4 partes que se repiten en orden: Prosperidad: constituida por una rama ascendente de la curva que va desde la lnea tendencial a un punto mximo Descenso: tiende a volver a los valores normales Depresion: Proceso de descenso no se detiene hasta alcanzar un minimo Recuperacion: Movimiento ascendente hacia los valores normales

REGRESION Y CORRELACION REGRESION: Describe la relacin entre la variable dependiente y la variable independiente mediante la recta de regresin: 1) de X sobre Y X = ay + b 2) de Y sobre X Y = ax + b CORRELACION: Mide la intensidad de la relacin entre las variables de I. Tambien sirve para indicar si las rectas de regresin reflejan al diagrama de dispersin. El coeficiente de correlacion variacin, varia entre -1 y 1. -1 = Correlacin Perfecta Inversa 1 = Correlacin Perfecta Directa 0 = Ausencia de Correlacin El coeficiente de correlacin de Pearson es:

PROBABILIDAD DISTRIBUCION PROBABILISTICA: Es el conjunto de todos los valores que toma la variable y su respectiva probabilidad (Ej: en el dado tenemos 6 valores, c/u con 1 probabilidad). MODELO O ESQUEMA BERNOGLI: Los sucesos son dicotomas (encadenamiento de las pruebas), es decir, los resultados posibles de la prueba solo pueden recaer en una de dos categoras mutuamente excluyentes (xito o fracaso). PRUEBA > EVENTO > SUCESO > DICOTOMIA BINOMIAL: - Es u esquema de pruebas repetidas - Probabilidad constante e independiente - Las variables se distribuyen de forma discreta - Sucesos dicotmicos - Con reposicion de los elementos POISSON: - Reune todas las caractersticas de la binomial, toma como valores la distribucin de la variable - Cuando n > 20 y p 5% - La esperanza matemtica es proporcional al tiempo HIPERGEOMETRIA: - Es un esquema de pruebas repetidas - Sucesos dicotmicos - La probabilidad es variable - En casa prueba no hay reposicion de elemento y viene el agotamiento del universo o poblacin - Se evala una poblacin finita, conocida y relativamente pequea NORMAL: - Los valores de la variable se distribuyen de forma simtrica respecto de la Mx. - La funcin es asinttica respecto de los ejes, por lo tanto, el rango de variabilidad es de - a +

La probabilidad se define como rea debajo de la curva de la funcin normal, por lo tanto solo puede ser expresada en trminos acumulados Variables pueden tomar nmeros fraccionarios (estatura, edad, cifras, kilos, metros) ESTIMACION

Inferencia Estadistica: Es el proceso que consiste en utilizar los resultados de una muestra para llegar a conclusiones acerca de las caractersticas de una poblacin. Estimacion: Es un proceso que busca inferir informacin acerca de una poblacin o a partir del anlisis que se realiza en una o varias muestras. Existen dos tipos de estimacin: a. Estimacion Puntual: se calcula puntualmente el valor de una estadstica de la muestra. Para estimar el correspondiente parmetro de la poblacin b. Estimacion por intervalos: No se calcula un nico valor sino que se define un rango de valores que son los intervalos de moda, tal que se sabe que el parmetro ocurre dentro de ese rango a un cierto nivel de confianza (probabilidad) El Nivel de Confianza: Se simboliza como (1 a) * 100%, en donde a es la porcin que se encuentra en los extremos de la distribucin que esta fuera del intervalo de confianza. *Porcion de la muestra = medida de la muestra DECISION Metodologia de la prueba de hiptesis: La hiptesis nula Ho, es la hiptesis quesiempre se va a probar La hiptesis alternativa Hi, se establece como la opuesta de la Ho y representa la condicin a la que se llegara si la hiptesis nula fuera rechazada

REGIONES DE RECHAZO Y DE NO RECHAZO: 1. Region de Rechazo (Region Critica): conjunto de valores de la estadstica de prueba que no tienen posibilidad de presentarse si la Ho es verdadera. 2. Region de NO Rechazo: No se puede rechazar la Ho NOTA: El valor critico separa la reigon de no rechazo de la regin de rechazo. RIESGOS PARA LA TOMA DE DECISIONES: ERROR DEL TIPO I: Si la hiptesis nula es rechazada cuando debera ser aceptada ERROR DE TIPO II: Si la hiptesis nula es aceptada cuando debera rechazada NIVEL DE SIGNIFICACION: Probabilidad de cometer un error del tipo I COEFICIENTE DE CONFIANZA: Es la probabilidad de que la hiptesis nula no sea rechazada correctamente cuando de hecho es verdadera y debera ser aceptada.

RIESGO B: Si el promedio de la poblacin verdadera, y su diferencia es amplia, hay pequea posibilidad (B) de llegar a la conclusin de que no ha cambiado. Por el contrario, si la diferencia del parmetro es pequea, la probabilidad de cometer un error de tipo II ser alta. POTENCIA DE UNA PRUEBA: Es la probabilidad de rechazar la hiptesis nula cuando de hecho es falsa.