07 DE MARZO 2015

Diagrama de dispersin
Un diagrama de dispersin es un tipo de diagrama matemtico que utiliza
las coordenadas cartesianas para mostrar los valores de dos variables para un
conjunto de datos.
Los datos se muestran como un conjunto de puntos, cada uno con el valor de una
variable que determina la posicin en el eje horizontal y el valor de la otra variable
determinado por la posicin en el eje vertical. 1 Un diagrama de dispersin se llama
tambin grfico de dispersin.
Se emplea cuando una variable est bajo el control del experimentador. Si existe
un parmetro que se incrementa o disminuye de forma sistemtica por el
experimentador, se le denomina parmetro de control o variable independiente y
habitualmente se representa a lo largo del eje horizontal (eje de las abscisas). La
variable medida o dependiente usualmente se representa a lo largo del eje vertical
(eje de las ordenadas). Si no existe una variable dependiente, cualquier variable
se puede representar en cada eje y el diagrama de dispersin mostrar el grado
de correlacin (no causalidad) entre las dos variables.

Elasticidad
Es el caso de la economa, y las teoras planteadas por Alfred Marshall acerca de
la elasticidad econmica.
Qu significa este concepto? Es, simplemente, la variacin que puede sufrir un
porcentaje de acuerdo a dos variables determinadas. Por ejemplo, una variable X
sera la venta de notebooks (en nmero de unidades vendidas) mientras que la
variable Y puede ser el precio de las mismas. La teora econmica define como
elasticidad a la relacin que existe entre la cantidad de notebooks vendidas ante la
accin de la variable Y que registra la variacin de los precios de este tipo de
aparatos electrnicos.
Esto se asocia a una de las premisas fundamentales de la economa
de mercado, que plantea que si se incrementa el precio de determinado producto,
la demanda del mismo ser tendiente a bajar, mientras que en el caso inverso, si
el precio de un determinado producto disminuye, la demanda de ese producto ser
creciente. Pues bien, entonces la elasticidad es precisamente eso que permite

07 DE MARZO 2015

medir la variacin entre la cantidad de dicho producto que se ha vendido en

relacin a las variaciones de precio (ya sea incremento o disminucin).

Funcin de produccin
En economa, la funcin de produccin representa la mxima cantidad que se
puede producir de un bien con unos recursos; por lo tanto es una aplicacin que a
un vector de recursos le hace corresponder un escalar que representa la cantidad
producida. La funcin de produccin de un productor relaciona la cantidad usada
de factores de produccin con la produccin obtenida gracias a ella. El productor
puede ser una economa, un sector productivo o una determinada industria. No
cualquier funcin de los factores de produccin resulta una funcin de produccin
razonable, por esa razn se consideran una serie de supuestos que se cree
debera satisfacer toda funcin de produccin realista.
n ese caso la funcin de produccin
es una funcin montona creciente en
las variables capital (K), trabajo (L) y otros factores de produccin (Ri), siendo la
produccin Y se tiene:
(1)
Los supuestos bsicos comunes son:
1.

, es decir, se asume que slo es posible obtener

algo de producto usando una mnima cantidad de trabajo L. Aunque este
supuesto se usa comnmente no es esencial para la discusin de
funciones de produccin.

2.

, es decir, las productividades marginales del capital, el

trabajo y los dems recursos son positivas.

3.

, es decir, las productividades marginales son

decrecientes, tal como establece la ley de los rendimientos decrecientes.

4.

, es decir, se supone que los rendimientos de

escala son constantes, lo implica que la funcin de produccin ser una
funcin homognea de primer grado.

07 DE MARZO 2015

La condicin (4) no es realmente una limitacin, ya que como se ver ms

adelante, una funcin de rendimientos de escala decrecientes, puede ser
representada por una funcin de rendimientos de escala constantes en la que se
introduce formalmente un factor de produccin adicional llamado "mtico" o factor
"limitante".

Modelo
Las relaciones se formulan de forma expli-cita, con unos parametros desconocidos
que se estiman a partir de datos de las varia-bles que intervienen en el modelo
Las relaciones no son exactas: se introdu-cen unas variables o perturbaciones
alea-torias para indicar la parte no explicada por el modelo
Dentro del mbito de la economa y de la poltica, se habla de modelo para
referirse al proceso llevado a cabo por un gobierno para controlar y organizar las
actividades productivas: El modelo neoliberal ha fracasado, El xito del modelo
puede comprobarse a travs de todo tipo de estadsticas.
Series de tiempo
Una serie tiempo es una secuencia de observaciones, medidos en determinados
momentos del tiempo, ordenados cronolgicamente y, espaciados entre s de
manera uniforme, as los datos usualmente son dependientes entre s. El principal
objetivo de una serie de tiempo , donde es su anlisis para hacer pronstico.
Algunos ejemplos donde se puede utilizar series temporales y se pueden utilizar
en:
Economa y Marketing Proyecciones del empleo y desempleo. Evolucin del
ndice de precios de la leche. Beneficios netos mensuales de cierta entidad
bancaria. ndices del precio del petrleo.
Demografa Nmero de habitantes por ao. Tasa de mortalidad infantil por ao.
Medioambiente Evolucin horaria de niveles de xido de azufre y de niveles de
xido de nitrgeno en una ciudad durante una serie de aos. Lluvia recogida
diariamente en una localidad. Temperatura media mensual. Medicin diaria del
contenido en residuos txicos en un ro.

07 DE MARZO 2015

Variable aleatoria
Formalmente, una variable aleatoria es una funcin, que asigna eventos (p.e., los
posibles resultados de tirar un dado dos veces: (1, 1), (1, 2), etc.) a nmeros
reales (p.e., su suma). Una variable aleatoria o variable estocstica es una
variable estadstica cuyos valores se obtienen de mediciones en experimento
aleatorio.

Los valores posibles de una variable aleatoria pueden representar los posibles
resultados de un experimento an no realizado, o los posibles valores de una
cantidad cuyo valor actualmente existente es incierto (p.e., como resultado de
medicin incompleta o imprecisa). Intuitivamente, una variable aleatoria puede
tomarse como una cantidad cuyo valor no es fijo pero puede tomar diferentes
valores; una distribucin de probabilidad se usa para describir la probabilidad de
que se den los diferentes valores.
Las variables aleatorias suelen tomar valores reales, pero se pueden considerar
valores aleatorios como valores lgicos, funciones... El trmino elemento aleatorio
se utiliza para englobar todo ese tipo de conceptos relacionados. Un concepto
relacionado es el de proceso estocstico, un conjunto de variables aleatorias
ordenadas (habitualmente por orden o tiempo).
Una variable aleatoria puede concebirse como un valor numrico que est
afectado por el azar. Dada una variable aleatoria no es posible conocer con
certeza el valor que tomar esta al ser medida o determinada, aunque s se
conoce que existe una distribucin de probabilidad asociada al conjunto de valores
posibles. Por ejemplo, en una epidemia de clera, se sabe que una persona
cualquiera puede enfermar o no (suceso), pero no se sabe cul de los dos
sucesos va a ocurrir. Solamente se puede decir que existe una probabilidad de
que la persona enferme.
Para trabajar de manera slida con variables aleatorias en general es necesario
considerar un gran nmero de experimentos aleatorios, para su tratamiento
estadstico, cuantificar los resultados de modo que se asigne un nmero real a
cada uno de los resultados posibles del experimento. De este modo se establece
una relacin funcional entre elementos del espacio muestral asociado al
experimento y nmeros reales.

Valor Esperado

07 DE MARZO 2015

El valor esperado o esperanza de una variable aleatoria tiene su origen en los

juegos de azar, debido a que los jugadores deseaban saber cul era su esperanza
de ganar o perder con un juego determinado. Como a cada resultado particular del
juego le corresponde una probabilidad determinada, esto equivale a una funcin
de probabilidad de una variable aleatoria y el conjunto de todos los resultados
posibles del juego estar representado por la distribucin de probabilidad de la
variable aleatoria. El valor esperado o esperanza es muy importante, ya que es
uno de los parmetros que describen una variable aleatoria.
Lo anterior significa, que para calcular E(X) se multiplica cada valor que puede
tomar la variable aleatoria por la probabilidad que le corresponde y despus se
suman esos productos.
El valor esperado representa el valor promedio que se espera suceda, al repetir el
experimento en forma independiente una gran cantidad de veces. El valor
esperado se interpreta fsicamente como el centro de masa o centro de gravedad
de la distribucin de probabilidad, por lo que es igual a la media o promedio
aritmtico, los cuales se representan con la letra m.

Probabilidad Condicional
La probabilidad de que un evento

ocurra cuando se sabe que ya ocurrio un

evento se llama probabilidad condicional y se denota por

que por lo
general se lee como probabilidad de que "ocurra B dado que ocurri A". Esta
probabilidad se define como:

La probabilidad condicional es una

funcin de probabilidad,

Es

definida como

una funcin de probabilidad?

es una funcin de probabilidad porque satisface los tres axiomas

Axioma I

07 DE MARZO 2015

para todo evento

Como

entonces dividiendo por

se tiene los trminos de la desigualdad se tiene

Axioma II

Como

Axioma III
Si

Como

es una sucesin de eventos mutuamente excluyentes, entonces

07 DE MARZO 2015

como los eventos

son

mutuamente

excluyentes,

entonces los

eventos

son tambin mutuamente excluyentes y as

Proceso estocstico
En estadstica, y especficamente en la teora de la probabilidad, un proceso
estocstico es un concepto matemtico que sirve para caracterizar una sucesin
de variables aleatorias (estocsticas) que evolucionan en funcin de otra variable,
generalmente el tiempo. Cada una de las variables aleatorias del proceso tiene su
propia funcin de distribucin y, entre ellas, pueden estar correlacionadas o no.
Cada variable o
conjunto
de
variables sometidas
efectos aleatorios constituye un proceso estocstico.

influencias

Relacin determinista
Los sistemas descritos adecuadamente por la mecnica clsica o la mecnica
relativista se comportan siempre como sistemas deterministas. Los sistemas de la
mecnica clsica que aun siendo deterministas son difciles de predecir en la

07 DE MARZO 2015

prctica son sistemas caticos. La mecnica cuntica asume que ciertos sistemas
pueden presentar dos tipos de evolucin: un tipo de evolucin determinista dado
por la ecuacin de Schrdinger y un tipo de evolucin no determinista asociado
al colapso de la funcin de onda cuando se realizan cierto tipo de medidas
irreversibles sobre el sistema cuntico.
El concepto de sistema determinista puede caracterizarse si el espacio de estados
posibles

del sistema admite una medida de probabilidad

. En ese caso si

se considera el conjunto de partes

del conjunto de estados posibles, la
evolucin tras un tiempo t puede definirse como una aplicacin

Funcin de distribucin

En la teora de la probabilidad y en estadstica, una funcin de distribucin

acumulada (f da) describe la probabilidad de que una variable aleatoria real X
sujeta a cierta ley de distribucin de probabilidad, se site en la zona de valores
menores
o
iguales
a x.
Intuitivamente, asumiendo la funcin f como la ley de distribucin de probabilidad,
la f da sera la funcin con la recta real como dominio, con imagen del rea hasta
aqu de la funcin f, siendo aqu el valor x para la variable aleatoria real X.
La f da asocia a cada valor x, la probabilidad del evento: "la variable X toma
valores
menores
o
iguales
a
x".
Las Funciones de Distribucin Acumulativa se emplean tambin para especificar la
distribucin de variables aleatorias multi variantes.