Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
PARTE I:
ESTADÍSTICA DESCRIPTIVA
Tema 1. Introducción 4
1.1. Definiciones previas 5
1.2. Objetivo de la Estadística Descriptiva 7
1.3. Variables: Definición y tipos 9
1.4. Datos: Definición y tipos 17
1.5. Propiedades típicas de los datos 23
1.6.Transformaciones de los datos 29
Tema 2. Descripción estadística de una variable 41
2.1.La representación de los datos: Distribución de frecuencias 42
2.2.Representaciones gráficas 51
2.3. Resumen de la información: medidas características de una distribución 59
2.3.1.Medidas de posición. 60
2.3.2. Medidas de dispersión. 93
2.3.3. Medidas de forma. 120
ÍNDICE
PRIMERA PARTE:ESTADÍSTICA DESCRIPTIVA
✓LECTURAS RECOMENDADAS:
•“Estadística para administración y economía” Newbold P. CAPÍTULO 1 Y CAPÍTULO 2:
APARTADO 2.1.
•“Fundamentos de Estadística” Peña D.CAPÍTULO 1.INTRODUCCIÓN.
1. INTRODUCCIÓN
1.1.Definiciones previas
INDIVIDUO: Elemento básico de una población con una serie de características cuyo
estudio interesa.
POBLACIÓN:Conjunto formado por TODOS los individuos que comparten las
características que se quieren estudiar.
MUESTRA : Subconjunto de la población
Ejemplos
Ejemplo # 2:
ESTADÍSTICA ESTADÍSTICA
INFERENCIAL
DESCRIPTIVA
✓La estadística descriptiva está formada por los métodos gráficos y numéricos que se
utilizan para resumir y procesar los datos y transformarlos en información.
✓La estadística inferencial constituye la base para hacer predicciones sobre la población
a partir de la información muestral.
Deterministas
Primera
clasificación
Aleatorias
Tipos de
variables Cualitativas
Segunda o categóricas
Continuas
clasificación
Cuantitativas
o numéricas
Discretas
Variable determinista : Aquella cuyo valor puede preverse con total certeza, antes de la
extracción del individuo
Variable aleatoria: Aquella cuyo valor no puede preverse con total certeza, antes de que
se produzca la extracción del individuo
Variable cuantitativa o numérica: Aquella cuyos resultados posibles son números. Las
variables cuantitativas se clasifican a su vez en continuas o discretas.
Ejemplo #1:
Población: Alumnos del CES Cardenal Cisneros de 1º curso del Grado de ADE. Se agrupa a
todas las alumnas en al clase A y a los alumnos en la clase B. Se hacen 10 extracciones,
una de cada clase, empezando por la clase A(las extracciones se realizan al azar).La
variable sexo en este contexto es perfectamente previsible, dado que las extracciones
pares corresponden a la clase B(chicos) y las impares a la clase A(chicas).Antes de que se
produzca la extracción, se conoce el sexo del individuo que será seleccionado.
Ejemplo #2:
Aunque no ha acabado 2013,se supone que los gastos en publicidad para esa empresa y
año ,ya han sido decididos por el CE0 y por tanto son conocidos antes de que se produzca
la extracción.
Ejemplo #1:
Si cada día laborable corresponde a una selección de sesión, hoy, no es posible prever, con
total certeza, la cotización del Banco Santander para la sesión de mañana.
Ejemplo #2:
Población: Años para los que se ha medido el PIB español + Años por los que se medirá
en el futuro(no se conoce el final)
Variable: Valor del PIB
Antes de que acabe el año(momento de la extracción) no es posible saber, con total
certeza, qué valor tomará la variable.
•Variables discretas:
Sólo pueden tomar valores en el conjunto de los números enteros.
Ejemplo#1: número de hijos, número de goles..
También serían discretas aquellas que tomando valores reales, solo lo pudieran hacer
dentro de un conjunto finito o infinito numerable.
Ejemplo# 2: 1,5;2,5;3,5
•Variables continuas:
Pueden tomar cualquier valor en un intervalo de la recta real.
Ejemplos : Salario de una persona, PIB…
Ejemplo #1 :
Variable
VARIABLE RAZA (Color de la piel) ficticia
Como alternativa, es posible convertir una variable categórica como la raza, en 4 variables
ficticias, tantas como categorías tenga la variable original , así:
Ejemplo #2 :
V1Sería una variable que toma el valor “1” si la persona es blanca y “0” en otro caso.
V2 Sería una variable que toma el valor “1” si la persona es negra y “0” en otro caso.
V3 Sería una variable que toma el valor “1” si la persona es amarilla y “0” en otro caso.
V4 Sería una variable que toma el valor “1” si la persona pertenece al grupo de otras
razas y “0” en otro caso.
DATOS (poblacionales y/o muestrales): Así llamaremos a los valores que de cada
característica de interés se han recogido de los individuos encuestados.
VARIABLE DATO
3. Datos de Panel
Los datos de panel son una combinación de los dos anteriores. Se observan las
características de “N” individuos a lo largo de “T” periodos.
ENCUESTA
19
ESTADÍSTICA EMPRESARIAL I –ESTADÍSTICA DESCRIPTIVA 19
EJEMPLOS
Datos de Series Temporales
España
20
ESTADÍSTICA EMPRESARIAL I –ESTADÍSTICA DESCRIPTIVA 20
EJEMPLOS
Datos de Panel
N Países
21
ESTADÍSTICA EMPRESARIAL I –ESTADÍSTICA DESCRIPTIVA 21
1. INTRODUCCIÓN
1.4. Datos: Bases de datos
Los datos de series temporales pueden presentar una o varias de las siguientes
características que se enumeran a continuación:
•Tendencia (determinística versus estocástica)
•Estacionalidad (determinística versus estocástica)
•Autocorrelación (dependencia del pasado)
oAutocorrelación de carácter no estacionario
oAutocorrelación de carácter estacionario
oAutocorrelación de carácter regular
oAutocorrelación de carácter estacional
•Heterocedasticidad (varianza no constante)
•Valores extremos(valores atípicos)
Los datos de sección cruzada suelen presentar heterocedasticidad y valores extremos.
Por su parte, las características típicas de los datos de panel están formadas por la unión
de las características de los datos de series temporales y de los datos de sección cruzada.
Tendencia:
700000
600000 Yt
500000
400000
300000
200000
100000
0
1991
1992
1993
1994
1995
1996
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
CONSUMO
Series no estacionarias
24
ESTADÍSTICA EMPRESARIAL I –ESTADÍSTICA DESCRIPTIVA 24
EJEMPLOS
Propiedades típicas de los datos de Series Temporales
Estacionalidad no estacionaria:
120
100
80
60
40
20
0
2000M01
2000M06
2000M11
2001M04
2001M09
2002M02
2002M07
2002M12
2003M05
2003M10
2004M03
2004M08
2005M01
2005M06
2005M11
2006M04
2006M09
2007M02
2007M07
2007M12
2008M05
2008M10
Se observa como todos los años en los Se observa como la temperatura media
meses de agosto el IPI cae. en el mismo mes de distintos años es
aproximadamente constante.
Son fáciles de apreciar en un gráfico, pero es difícil distinguirlas sólo a partir de un gráfico.
Para su detección y modelización serán necesarios instrumentos más sofisticados.
26
ESTADÍSTICA EMPRESARIAL I –ESTADÍSTICA DESCRIPTIVA 26
EJEMPLOS
Propiedades típicas de los datos de Series Temporales
Heterocedasticidad:
Rendimiento porcentual diario del IBEX35: Serie mensual del número de pasajeros
de líneas aéreas:
Tramo de Tramo de
variabilidad variabilidad La variabilidad crece con el nivel
grande pequeña
de la serie:
27
ESTADÍSTICA EMPRESARIAL I –ESTADÍSTICA DESCRIPTIVA 27
EJEMPLOS
Propiedades típicas de los datos de Series Temporales
Valores extremos:
Yt
Valor atípico en t*
t
Son datos inusualmente grandes (en valor absoluto) en comparación con el resto de la
serie temporal.
1. Generales:
Cambio de origen:
Cambio de escala:
31
ESTADÍSTICA EMPRESARIAL I – ESTADÍSTICA DESCRIPTIVA 31
EJEMPLOS
Transformaciones generales de los datos
TRANSFORMACIÓN
LOGARÍTIMICA
SERIES TEMPORALES
zt
z t f yt ln yt
Yt serie original
Y t-1 serie retardada 1 periodo Byt yt 1
Yt-2 serie retardada 2 periodos B 2 yt yt 2
…
Yt-s serie retardada s periodos B s yt yt s
34
ESTADÍSTICA EMPRESARIAL I –ESTADÍSTICA DESCRIPTIVA 34
1. INTRODUCCIÓN
1.4. Transformaciones en los datos de series temporales: Diferencia regular
aplicado sobre una serie temporal Yt, induce estacionariedad en series sin componente
estacional( se utiliza para eliminar la tendencia de la serie).
yt 1 B yt 1 B yt
2 2
•Para d = 2 (dos diferencias regulares):
(1 2B B 2 ) yt yt 2 yt 1 yt 2
EJEMPLO
35
ESTADÍSTICA EMPRESARIAL I –ESTADÍSTICA DESCRIPTIVA 35
EJEMPLO
Transformaciones en los datos de series temporales: Diferencia regular
Tabla primera diferencia regular
ln yt ln yt 1 ln yt
Mes
Enero/1.945 2.6368 – –
Febrero/1.945 2.6836 2.6368 0.0468
Marzo/1.945 2.6771 2.6836 –0.0065
Abril/1945 2.6649 2.6771 –0.0122
36
ESTADÍSTICA EMPRESARIAL I –ESTADÍSTICA DESCRIPTIVA 36
1. INTRODUCCIÓN
1.4. Transformaciones en los datos de series temporales: Diferencia estacional
NOTA: Muchas series mensuales necesitan que se les aplique una diferencia regular y otra
estacional para convertirlas en estacionarias:
12 yt 1 B 1 B12 yt (1 B B12 B13 ) yt yt yt 1 yt 12 yt 13
37
ESTADÍSTICA EMPRESARIAL I –ESTADÍSTICA DESCRIPTIVA 37
EJEMPLO
Transformaciones en los datos de series temporales: Diferencia estacional
t t para t pequeño
a) La cuantía que del impuesto sobre la renta han pagado las familias españolas en 2017.
b) El valor, en euros, de los bienes exportados por España durante cada uno de los meses de
2017.
c) El dinero que se gastó en consumo un conjunto de 200 familias españolas, escogido al azar,
de entre todo el país, en el periodo 2005-2017.
3) Indique qué variables son cualitativas y cuáles cuantitativas, y en caso de ser cuantitativas,
si son discretas o continuas.