1 Temario de la asignatura Introducción. Análisis de datos univariantes. Análisis de datos bivariantes. Series temporales y números índice. Probabilidad

1

Temario de la asignatura

• Introducción.

• Análisis de datos univariantes.

• Análisis de datos bivariantes.

• Series temporales y números índice.

• Probabilidad.

• Modelos probabilísticos.

• Introducción a la inferencia estadística.

• Contrastes de hipótesis.

Estadística I. Finanzas y contabilidad

2

1. Representaciones y gráficos. Tablas de frecuencias. Diagrama de barras, Pictogramas, Histograma, Polígono de

frecuencias, y Diagrama de caja.

2. Resumen numérico. Medidas de localización. Medidas de dispersión. Medidas de forma.

Lecturas recomendadas:

• Capítulos 2 a 6 del libro de Peña y Romo (1997)

Tema 2: Análisis de datos univariantes

3

Medidas de localización o posición Moda Mediana Media Cuantiles

Diagrama de caja

Medidas de dispersión Varianza y desviación típica Coeficiente de variación Rango y rango intercuartílico

Lecturas recomendadas: Capítulos 4 y 5 del libro de Peña y Romo (1997)


4

MEDIDAS DESCRIPTIVAS

¿Para qué nos sirven?

¿Se pueden calcular todas con todo tipo de variables?

¿Cuáles son las más adecuadas en cada caso?

¿De qué forma podemos sacar partido a nuestra calculadora?

Medidas de localización o posición

5

LA MODA: (Cuando los datos no están agrupados en intervalos)

Es el valor que aparece con una frecuencia mayor. Puede haber más de una moda: bimodal-trimodal-plurimodal

7 7 7 5 3 5 11 711 2 11 7 4 8 8 710 2 5

¿Qué valor toma la moda?


6

LA MODA: (Cuando los datos están agrupados en intervalos)

Clases ni Marca de clase

[0,5) 11

[5,10) 13

[10,15) 6

[15,20) 2

[20,25) 1

[25,30) 3

Podemos encontrar: La CLASE MODAL

¿En la representación gráfica?

Pero, ¿y si queremos calcular “exactamente” el valor de la MODA?

1

1 1

ii i

i i

nMo LI

n n

¿Podemos calcularla para DATOS CUALITATIVOS?


7

EJERCICIO: LA MODA Intervalo Frecuencia absoluta

[0,5) 6

[5,10) 14

[10,15) 20

[15,20) 10

Calcular el valor “exacto” de la moda.


8

LA MEDIANA: (Cuando los datos no están agrupados en intervalos)Es la observación que ocupa el “lugar” central

7 7 7 5 3 5 11 711 2 11 7 4 8 8 710 2 5

¿Qué valor toma la mediana?

1. Ordenamos los datos de menor a mayor.

2. Tenemos en cuenta también los que se repiten.

3. La mediana, es el “CENTRO FÍSICO”

¿Cómo cambia el cálculo si N es par o impar?


9

LA MEDIANA: (Cuando los datos están agrupados en intervalos)

Podemos encontrar:

El INTERVALO MEDIANO

Pero, ¿y si queremos calcular exactamente el valor de la MEDIANA?

1

12 i

i ii

NN

Me LIn



Clases ni Marca de clase

[0,5) 13 2,5

[5,10) 11 7,5

[10,15) 6 12,5

[15,20) 2 17,5

[20,25) 1 22,5

[25,30) 3 27,5

10

LA MEDIA ARITMÉTICA: Es el PROMEDIO de los valores de la muestra

7 7 7 5 3 5 11 711 2 11 7 4 8 8 710 2 5

¿Qué valor toma la media?

1. Sumamos los datos.

2. Los dividimos por el número total de datos (N).

N

xxx

N

xX N

N

ii

...211


(Cuando los datos no están agrupados en intervalos)

11

LA MEDIA ARITMÉTICA:

El valor de la media con

los datos agrupados en

intervalos utiliza la

marca de clase.



(Cuando los datos están agrupados en intervalos)

Clases ni M.C. (xi) ni xi

[0,5) 13 2,5 32,5

[5,10) 11 7,5 82,5

[10,15) 6 12,5 75

[15,20) 2 17,5 35

[20,25) 1 22,5 22,5

[25,30) 3 27,5 82,5

330 Suma

9,17 Media

12

1 ,siendo " " el nº de intervalos

K

i ii

x nX K

N

La MEDIA ARITMÉTICA para datos agrupados en intervalos es entonces:

(Cuando los datos están agrupados en intervalos)


13

LOS CUANTILES: (Cuando los datos no están agrupados en intervalos)Nos divide en conjunto de datos en k partes.

Si por EJEMPLO tenemos diez datos (N=10), y queremos hacer cuatro partes (k=4), necesitamos tres marcas (c1, c2 y c3)

Cuando k=4, se llaman CUARTILES; cuando k=10, DECILES; y cuando k=100, CENTILES.


14

CÁLCULO DE CUARTILES

Tenemos el siguiente conjunto de datos:

47 52 52 57 63 64 69 7172 72 78 81 81 86 91

1. Ordenamos los datos de menor a mayor.

2. Calculamos c2 , que ocupa la posición correspondiente a la “mitad”,

¿con qué parámetro visto ya coincide este segundo cuartil?

3. Ahora calculamos, la “mitad” de la primera parte: c1 .

4. Y la “mitad” de la segunda parte: c3


15


47 47

52 52

52 52

57 57

63 63

64 64

69 69

71 71 71

72 72

72 72

78 78

81 81

81 81

86 86

91 91

c2 = 71

c1 = 60

c3 = 79,5

16

Box-and-Whisker Plot

47 57 67 77 87 97

REPRESENTACIÓN GRÁFICA UTILIZANDO LOS CUARTILES

Utilizando el anterior conjunto de datos:1. Los cálculos:

Primer cuartil: 60Segundo cuartil: 71Tercer cuartil: 79,5Media aritmética: 69,07

2. Hay datos que pueden provenir de observaciones “mal tomadas”: datos atípicos.

Para detectarlas, calculamos:LI=c1-1,5(c3-c1)

LS=c3+1,5(c3-c1)

Diagrama de caja

17

EJERCICIO 1: DIAGRAMA DE CAJA

Construir el diagrama de caja para el anterior conjunto de datos.

56 59 59 61 67

69 73 76 76 80

83 83 84 90 94

Diagrama de caja

18

EJERCICIO 2: DIAGRAMA DE CAJA

Construir el diagrama de caja para el anterior conjunto de datos.

35 45 45 55 57 62 64 64

64 65 73 74 74 76 78 80

82 84 86 92 92 92 93 94

97 112 116 116 123 123 124 128

140 143 173 214 255 277

Diagrama de caja

19

Medidas de localización o posición Moda Mediana Media Cuantiles

Diagrama de caja

Medidas de dispersión Varianza y desviación típica Coeficiente de variación Rango y rango intercuartílico


20

PRIMER CONJUNTO DE DATOS

(Salarios anuales en € de la empresa A)

30700 32500 32900 33800

34100 34500 36000

SEGUNDO CONJUNTO DE DATOS

(Salarios anuales en € de la empresa B)

27500 31600 31700 33800 35300 34000 40600

Vamos a calcular: MEDIA y MEDIANA de ambos conjuntos de datos:

Observa ahora las representaciones gráficas.

Señala media y mediana.

¿Tenemos suficiente información?

Medidas de dispersión: Varianza

21

Parece que la diferencia entre ambos conjuntos de datos son las DISTANCIAS A LA MEDIA, vamos a calcularlas.

X XEmpresa A xi- Empresa B xi-

30700 -2800 27500 -6000

32500 -1000 31600 -1900

32900 -600 31700 -1800

33800 300 33800 300

34100 600 34000 500

34500 1000 35300 1800

36000 2500 40600 7100

¿Cuánto suman nuestras dos nuevas columnas?

NUEVA PROPIEDAD:

N

ii Xx

1

0

¿Por qué sucede esto? ¿Podemos solucionarlo de alguna manera?


22

¿Qué hacemos para poder compararlas?

21

2

N

XxN

ii

Empresa A Empresa B

30700 7840000 27500 36000000

32500 1000000 31600 3610000

32900 360000 31700 3240000

33800 90000 33800 90000

34100 360000 34000 3240000

34500 1000000 35300 250000

36000 6250000 40600 50410000 16900000 96840000

¿Qué unidades tiene este nuevo parámetro? ¿Podemos cambiarlas?

¿Qué indica este nuevo parámetro?


Modificamos nuestro cálculo:

23

Cuando la media sea distinta de “0”, podemos calcular:

XCV

Nos permite comparar, porque no tiene unidades.

¿Para qué nos sirve con una única base de datos?

EJERCICIO 3:

Analizamos el volumen de consultas durante el período de exámenes en 10 bibliotecas universitarias, y se comparan con las anotadas el año anterior. El % de incremento de consultas fue: 10.2 2.9 3.1 6.8 5.9

7.3 7.0 8.2 3.7 4.3

¿Son los datos homogéneos?

Medidas de dispersión: Coeficiente de variación

24

Rango: la diferencia entre el mayor y el menor de los datos.

EJERCICIO 4:

Calcula estas dos medidas para los EJERCICIOS 1 y 2.

Medidas de dispersión: Rango y rango intercuartílico

Rango intercuartílico: la diferencia entre el tercer y el primer cuartil.

Box-and-Whisker Plot

47 57 67 77 87 97

Rango intercuartílico

Rango

Documents

1 Temario de la asignatura Introducción. Análisis de datos univariantes. Análisis de datos bivariantes. Series temporales y números índice. Probabilidad