Documente Academic
Documente Profesional
Documente Cultură
ANALISIS BIVARIADO
DATOS BIVARIADO: Son los valores de dos variables diferentes que se obtienen del mismo elemento
poblacional. Cada una de las variables puede ser cualitativa o cuantitativa, de esta manera se pueden formar
tres combinaciones. Estudiamos dos o ms variables a la vez, para observar el grado de asociacinque se da
entre ellas.
I. Dos variables cualitativas:Para organizar datos de dos variables cualitativas se usan tablas de doble
entrada (tablas de contingencia). Los valores de una variable van en columnas y los valores de la otra variable
van en filas.
Por ejemplo si analizamosen tablas y grficos la siguiente situacin. De un grupo de personas se caracterizan
dos variables de tipo cualitativa-cualitativa, respecto de genero/tabaquismo y se registra lo siguiente: del
grupo existen 12 mujeres y 10 hombres fumadores, 8 mujeres y 20 hombres no fumadores.
Entonces organizamos y representamos la informacin con una tabla de contingencia.
Genero/Tabaquism
o
Mujer
Hombre
Fuma
Totales
No Fuma
Totales
12
10
8
20
20
30
22
28
50
De la misma forma podemos generar una tabla de porcentaje respecto del total
Genero/Tabaquism
o
Mujer
Hombre
Fuma
Totales
No Fuma
Totales
24%
20%
16%
40%
40%
60%
44%
56%
100%
Y la representacin grfica:
Genero/Tabaquismo Genero/Tabaquismo
40%
25
20
Fuma
15
No Fuma
20%
10
24%
16%
5
0
Hombre
Mujer
Hombre
Mujer
Fuma
No Fuma
La tabla de contingencia se puede generar tambin respecto de los totales marginales (Totales de filas o totales
de columna). Por ejemplo la siguiente tabla y grafica es respecto de totales marginales de fila.
Genero/Tabaquism
o
Mujer
Hombre
Fuma
Totales
No Fuma
Totales
60%
33%
40%
67%
100%
100%
44%
56%
100%
Genero/Tabaquismo
67%
60%
40%
33%
Hombre
Fuma
No Fuma
Mujer
EJERCICIOS PROPUESTOS:
1. En un aula hay 100 alumnos, de los cuales: 40 son hombres, 30 usan gafas, y 15 son varones y usan gafas.
Construya una tabla de contingencia con la informacin y genere un grfico.
2. Encuesta realizada en la ciudad de Coyhaique, para jefes de hogar. Organice y representa la informacin.
Estrato
Estudios
Estrato
Estudios Estrato
Estudios
Estrato
Estudios
Alto
Superior
Bajo
Bsica
Medio
Media
Bajo
Bsica
Medio
Superior
Bajo
Media
Alto
Superior
Medio
Media
Medio
Media
Alto
Superior Medio
Media
Alto
Media
Medio
Media
Medio
Superior Medio
Media
Bajo
Media
Bajo
Bsica
Medio
Media
Medio
Bsica
Alto
Superior
Bajo
Bsica
Medio
Superior Alto
Superior
Medio
Superior
Bajo
Bsica
Bajo
Bsica
Bajo
Media
Bajo
Media
3
3. Supongamos que deseamos estudiar las variables tipo de escuela superior y la aprobacin de la primera
clase de matemticas que toma el estudiante en la universidad, usando los datos de 20 estudiantes que se
muestran abajo. Como organizar y representar la informacin.
Escuel
Aprueba Escuela
Aprueba
Escuela
Aprueba
Escuela
Aprueba
a
Privada Si
Pblica
Si
Pblica
No
Pblica
No
Privada No
Privada
No
Pblica
Si
Privada
No
Pblica No
Pblica
No
Privada
Si
Pblica
Si
Privada Si
Privada
Si
Pblica
Si
Pblica
No
Pblica Si
Privada
Si
Privada
Si
Privada
Si
4. Se analizan dos variables cualitativas, respecto del gnero y grupo sanguneo, como se describe a
continuacin:
Genero
G. Sang
Genero
G. Sang
Genero
G. Sang
Genero
G. Sang
F
0+
F
0+
F
A+
M
A+
+
+
+
M
0
F
B
F
0
M
0+
+
+
+
F
0
F
0
F
B
M
B+
+
+
+
M
A
F
0
M
0
F
0+
+
+
+
M
0
M
A
F
0
F
A+
5. En cierta habitacin de hospital se sabe que un paciente sea ingresado con problemas de presin arterial es
de 70%; que ingrese con problemas renales es 50% y la de que ingrese con ambos problemas es de 30%.
Organice la informacin en tabla y grfico.
6. La proporcin de que una persona siendo obesa tenga tambin problemas coronarios es de 65%. Si en una
ciudad la proporcin de que una persona sufra de problemas obesidad es de 58%, y de que sufra de problemas
coronarios es de 62%.Organice la informacin en tabla y grfico.
7. En una clase en la que todos practican algn deporte, el 60% de los alumnos juega al ftbol o al baloncesto
y el 10% practica ambos deportes. Si adems hay un 60% que no juega al ftbol.Organice la informacin en
tabla y grfico.
8. En una ciudad el 40% de los domicilios tiene conexin a Internet, el 33% tiene conexin de TV por cable y
el 20% disfruta de ambos servicios. Organice la informacin en tabla y grfico.
9. En una clase mixta hay 30 alumnas, 15 estudiantes que repiten curso, de los que 10 son alumnos, y hay 15
alumnos que no repiten curso. Organice la informacin en tabla y grfico.
10. En una clase hay 10 alumnas rubias, 20 morenas, cinco alumnos rubios y 10 morenos. Organice la
informacin en tabla y grfico.
11. Organice la informacin respecto del rendimiento final de 20 alumnos(as)
Genero
Nivel
Genero
Nivel
Mujer
Bsico
Hombre
Intermedio
Mujer
Intermedio
Hombre
Intermedio
Hombre
Bsico
Hombre
Intermedio
Mujer
Superior
Mujer
Bsico
Hombre
Intermedio
Mujer
Intermedio
Hombre
Intermedio
Hombre
Superior
Hombre
Superior
Hombre
Bsico
Mujer
Intermedio
Mujer
Superior
Mujer
Bsico
Hombre
Intermedio
4
Mujer
Bsico
Mujer
Bsico
II. Variable cualitativa-Cuantitativa:Los valores cuantitativos se ven como muestras separadas, con cada
conjunto identificado en la variable cualitativa. Cada muestra se describe usando las tcnicas anteriores
(univariados) y los resultados se exhiben juntos para fcil comparacin.
Por ejemplo:La siguiente informacin son datos obtenidos al entrevistar a estudiantes, elegidos al azar, de 5.
Semestre de una institucin superior, de los cuales: de las mujeres hay una con 15 aos, 3 con 16 aos, 6 con
17 aos, 3 con 18 aos y 2 con 19 aos. En el caso de los hombres: uno con 16 aos, 2 con 17 aos, 3 con 18
aos, 2 con 19 aos y 2 con 20 aos.
Al organizar la informacin a travs de la tabla dinmica se tiene:
Entrevista
Genero
Hombre
Mujer
Total
general
Edad
1
7
2
6
1
8
3
3
1
9
2
2
2 Total
0 general
2
1
6
1
3
15
x
Sx
CV
Hombre
Mujer
18
17
18,2
17,1
Genero
Hombre
1,32 Mnimo 1,13
16
0,073 Q1 0,066
17,25
Q2
18
Q3
19
Mximo 20
Representacin grafica
Mujer
15
16,5
17
18
19
10
15
25
Genero/Edad
8
6 15
4
2
0
16
17
18
Hombre
19
Mujer
Genero/Edad
20
8
6
4
2
0
Hombre
Mujer
15
16
17
18
19
20
EJERCICIO PROPUESTOS
1. La siguiente tabla representa los ingresos(x$1000) de un grupo de personas, elegidas aleatoriamente.
Entonces organice la informacin
Genero
Ingresos
Genero
Ingresos
Mujer
150
Mujer
120
Hombre
230
Hombre
230
Hombre
156
Hombre
920
Hombre
210
Hombre
165
Mujer
350
Mujer
999
Mujer
400
Mujer
480
Hombre
156
Hombre
200
Mujer
580
Mujer
270
Hombre
370
Mujer
890
Mujer
350
Mujer
470
Hombre
300
Hombre
380
Mujer
165
Hombre
390
Mujer
143
Peso
(kg)
74
54
54
55
60
64
62
60
Gnero
F
M
F
F
F
F
M
M
Peso
(kg)
50
45
67
52
58
62
62
75
6
uno de los diseos fueron probados repetidas veces en el mismo automvil en un pavimento mojado
controlado.
Diseo A: 37, 36, 38, 34, 40, 32.
Diseo B: 33, 35, 38, 34, 42, 34.
Diseo C: 40, 39, 40, 41, 41, 43.
Organice y represente la informacin para comparacin.
III. Dos variables cuantitativas: Los datos suelen expresarse como pares ordenados (x,y); donde x es la
variable de entrada (independiente) e y es la variable de salida (dependiente). Por ejemplo: Peso estatura;
Produccin utilidad. Generalmente se representan mediante un diagrama de dispersin (nube de puntos)
x e y
( x , y ) es el centro de
COVARIANZA: Es una manera de generalizar la varianza, es una medida de la varianza comn a las dos
variables y por lo tanto del grado y tipo de su relacin.
s xy =
( xx )( y y )
n1
( xx ) ( y y )
SS xy = xy
s xy
tal que:
, donde
x y
n
s xy =
SSxy
n1
II. Si
III. Si
Por ejemplo al analizar la informacin de los siguientes pares ordenados: (2,3); (5,4); (3,2); (6,4); (4,3);
(2,0); (3,1).
Su diagrama de puntos:
Diagrama de Dispersin
5
4
3
2
1
0
1.5
2.5
3.5
4.5
5.5
6.5
Organizacin en tabla:
x
xy
20
24
12
Suma
x = 25
y =17
xy =71
Media
3,57
2,43
Des. Estndar
1,51
1,51
25 17
7
71
71
s xy =
s xy =1,71
Entonces la covarianza
s xy > 0 , por tanto los valores altos de x, estn asociados a los valores altos de y.
COEFICIENTE DE CORRELACIN LINEAL: Se sabe que las desviaciones tpicas Sxy Sy evidencian
las dispersiones de las abscisas y de las ordenadas respectivamente. Entonces el cociente entre la covarianza y
el producto de las desviaciones tpicas de ambas variables, es el coeficiente de correlacin. Se expresa
9
mediante la letra r y es la medida numrica de la fuerza de la relacin lineal entre las dos variables. Se
determina mediante la frmula de momento de producto de Pearson.
r=
s xy
sx sy
OBSERVACIONES PARA r:
1 r 1
I.
II.
Si
III.
Si
IV.
Si
r 0 , la correlacin es dbil.
V.
Si
r=1 o r =1 , los puntos de la nube estn sobre la recta (creciente o decreciente). Entre
Si
r=0
C(+)
Perfecta
No hay
C(-)
Moderada
0,5
C(+)
Dbil
C(-)
Dbil
0
C(+)
Moderada
+ 0,5
C(+)
Fuerte
+ 1,0
Por tanto la CORRELACIN LINEAL: establece la relacin o dependencia que existe entre las dos
variables que intervienen en una distribucin.
I.
II.
III.
Tipos de correlacin:
Correlacin directa: Al aumentar una de las variables, la otra tambin lo hace.
Correlacin inversa: Al aumentar una de las variables, la otra disminuye.
Correlacin nula: No hay dependencia de ningn tipo.
I.
II.
III.
Grados de correlacin:
Correlacin fuerte: ser cuando ms cerca estn los puntos de la recta.
Correlacin dbil: ser cuando ms lejos estn los puntos de la recta.
Correlacin nula: No hay asociacin.
10
Ahora volvamos a nuestro ejemplo de los siete pares ordenados, en este caso el coeficiente de
correlacin estar dado por la expresin:
r=
s xy
sx sy
r=
1,71
1,51 1,51
r=0,75
Por tanto nuestra informacin tiene una correlacin directa y fuerte
11
RECTA DE REGRESIN LINEAL: La recta de regresin es la que mejor se ajusta a la nube de puntos.
Adems podemos identificar dos caractersticas importantes:
Y
I. La recta de regresin pasa por el punto
( x , y ) llamado centro de yi
gravedad.
II. La suma de los cuadrados de los residuos debe ser mnima, esto es
( y i ^y )2
xi
Ya indicamos que la recta que aparece en un grfico de dispersin es la que mejor se ajusta a la nube de
puntos. Dicho de otra forma, es la recta que hace que el error de estimacin, definido como la distancia entre
el valor observado y el valor estimado de la variable dependiente en la recta, sea mnimo.
La diferencia entre un valor observado
residuo (Residuo =
y i y el valor estimado
^y
lo denominaremos error o
^y =b 0+ b1 x(1)
La pendiente de la recta b1es el cociente entre la covarianza y la varianza de la variable x. Esto es:
b1=
s xy
s2x (Pendiente)
b0 = y b 1 x (Intercepto)
12
( y ^y )2
ii)
( y y )2
^y )
y )
R2=1
SCR
STC
Denominamos coeficiente de determinacin [R2] como el coeficiente que nos indica el porcentaje del ajuste
que se ha conseguido con el modelo lineal, es decir el porcentaje de la variacin de y que se explica a travs
del modelo lineal que se ha estimado, a travs del comportamiento de x. Esto queda determinado como:
R2= r2
OBSERVACIONES PARA R2:
I.A mayor porcentaje, mejor es nuestro modelo para predecir el comportamiento de la variable y.
II. Su valor siempre estar entre 0 y 1.
III. La expresin 1 R2 nos indica qu porcentaje de las variaciones no se explica a travs del modelo de
regresin lineal, es como si fuera la varianza inexplicada que es la varianza de los residuos.
i) Pendiente,
b1=
1,71
1,512 = 0,75
ii) Intercepto,
iii) Recta de regresin lineal,
13
0
1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5
^y =0,25+0,75 7
^y =5 par ordenado (7,5)
R2 = (0,75)2 = 0,56.
Por tanto nuestra recta de regresin es un modelo que explica en un 56% de la informacin analizada.
PROBLEMAS PROPUESTOS:
1. La siguiente es informacin respecto de la actividad fsica de cierto grupo de personas.
Analizar el tipo de asociacin que tienen, obteniendo el diagrama de dispersin y la covarianza
Estudiant
e
1
2
3
4
5
6
7
8
9
10
Lagartijas
(x)
27
22
15
35
30
52
35
55
40
40
Sentadillas
(y)
30
26
25
42
38
40
32
54
50
43
s xy .
14
105
4
116
8
103
2
124
7
137
9
126
9
112
3
129
10
118
7
105
6
4. Una compaa de mercadotecnia deseaba determinar que si el nmero de anuncios comerciales por
televisin estaba correlacionado linealmente con las ventas de su producto. Los datos obtenidos, de cada una
de las ciudades, se ven en la siguiente tabla:
Ciudad
Comerciales X
Ventas Unitarias Y
A
12
7
B
6
5
C
9
10
D
15
14
E
11
12
F
15
9
G
8
6
H
16
11
I
12
11
J
6
8
5
132
9
114
22
87
28
67
31
50
39
39
48
45
6. Qu efecto tiene la cantidad mnima en la tasa de inters anual que se ofrece en certificados de depsito a
tres meses?. Segn tabla, analizar la asociacin de las variables y estimar algunos valores para Y.
Deposito(
Tasa (%)
x100)
y
x
10
2,81
10
2,70
50
2,68
10
2,71
50
2,66
20
2,65
5
2,62
25
2,60
15
7. Se realiz un estudio biolgico de un pececillo llamado albur de nariz negra. Se registraron la longitud y
(mm), y la edad x (aos), deacuerdo a:
X
Y
h(m)
T C
0
25
3
80
2
45
2
40
1
36
3
75
2
50
4
95
97,8
96
94
92,1
89,8
84,4
79,6
69,2
1
30
1
15
12200
15250
30500
58,8
48,9
9,8
Encuentre la recta de regresin y comentario sobre sus coeficientes, estime algunos valores.
9. Analizar y fundamentar la siguiente informacin.
X
120 110 180 100 250 190 170 220
Y
30
18
23
16
8
25
20
19
Organice y presente la informacin, estimando valores.
180
17
190
12
230
15
10. Los datos de la produccin de trigo en toneladas (x) y el precio del kilo de harina en pesos (y) en cierto
periodo.
X
30
28
32
25
25
25
22
24
35
40
23
Y
300 180 230 160 270 250 200 190 170 120 150
Organice y presente la informacin, estimando valores.
11. Analizar la facturacin de una empresa en un periodo de tiempo dado y de cmo influyen los gastos de
promocin y publicidad en dicha facturacin, en millones de Euros. Supongamos que disponemos de los
siguientes datos:
Ventas (x)
200
400
800
1200
900
Gastos (y)
30
50
50
60
60
Ao
2006
2007
2008
2009
2010
16
Obtener la recta de regresin y los coeficientes con sus respectivas interpretaciones. Tambin estime el costo
y las ventas para el ao 2011.
Identificamos la variable independiente, ser el tiempo en el eje horizontal. Por otro lado la variable
dependiente (produccin, ndice, poblacin, etc), en el eje vertical. Es importante hacer notar que para cada
valor de la variable independiente existe un nico valor para la variable dependiente Y(t).
COMPONENTES DE LA SERIES CRONOLOGICAS: Los valores en toda serie cronolgica, resultan de
la interaccin de mltiple factores, y le objetivo de este anlisis es descubrir y cuantificar dichas influencias,
obteniendo por lo general buenas aproximaciones. En este sentido el anlisis se realiza a travs de las
componentes:
Tendencia (T): Es la componente general de la serie y puede considerarse como el movimiento global de la
serie a largo plazo. Suele obtenerse o describirse mediante ajuste a una funcin matemtica o por medias
mviles o alisamiento exponencial.
17
Variaciones Cclicas (C): Son oscilaciones peridicas que se producen con una frecuencia superior a un ao
suelen deberse a la alternancia de etapas de prosperidad econmica (crestas) con etapas de depresin (valles).
Cuanto mayor sea el perodo de un ciclo, mayor ha de ser el nmero de observaciones de la variable para que
aquel sea reconocible.
Variaciones Estacionales (E): Es una componente de la serie que recoge las oscilaciones que se producen en
perodos iguales o inferiores a un ao y que se repiten de forma regular en los diferentes aos. Si se considera
el ao como perodo marco o de repeticin pueden observarse las fluctuaciones de la magnitud a lo largo de
sus meses o de sus trimestres, cuatrimestres, etc. El origen de las variaciones estacionales (componente
estacional) puede estar en factores fsico-naturales como son las estaciones climatolgicas o en factores
culturales o de tradicin: fiestas navideas, vacaciones, horarios comerciales, etc. Por ejemplo, el clima afecta
a la venta de una serie de productos: los helados y refrescos se venden fundamentalmente en verano y la ropa
de abrigo en invierno.
Variacin Errtica (R): Irregular o residual que recogera la variabilidad en el comportamiento de la serie que
se debe a pequeas causas impredecibles (en forma accidental). Determinadas por mltiples causas: sequias,
sucesos polticos, terremotos, influencias de marcados extranjeros o, simplemente, por factores desconocidos.
Las cuatro componentes enumeradas anteriormente determinan conjuntamente los valores de la variable
analizada Y(t) en cada instante, sin que pueda valorarse con precisin el influjo individual de cada una de
ellas.
MODELOS PARA ANALIZAR LAS SERIES TEMPORALES:
Por otro lado dos son los esquemas generalmente ms admitidos sobre la forma en que la serie temporal se
descompone en sus cuatro componentes: el aditivo y el multiplicativo.
I. Esquema aditivo:
Supone que las observaciones se generan como suma de las cuatro componentes, es decir:
Y(t) = T + C + E + R
En este caso cada componente se expresa en el mismo tipo de unidad que las observaciones. La variacin
residual, en este modelo, es independiente de las dems componentes, es decir la magnitud de dichos residuos
no depende del valor que tome cualquier otra componente de la serie, (anlogamente la variacin estacional y
la cclica son independientes de las dems componentes).
II. Esquema multiplicativo:
Supone que las observaciones se generan como producto de las cuatro componentes, es decir:
Y(t) = T x C x E x R
En este modelo (multiplicativo puro) la tendencia secular se expresa en el mismo tipo de unidad que las
observaciones, y el resto de las componentes en tanto por uno. Aqu no se cumple la hiptesis de
independencia del esquema aditivo.
Otro tipo de modelo multiplicativo que si la cumple llamado modelo multiplicativo mixto es el siguiente:
Y(t) = T x C x E + R
Existen otros modelos que combinan esquemas aditivos y multiplicativos, tratando de resolver las carencias o
inconvenientes de los modelos ms sencillos. Sealaremos que generalmente el modelo multiplicativo es el
que mejor se adapta a la descripcin de variables econmicas.
Por ejemplo, tomemos un caso hipottico En agosto de 1967, las ventas de una tienda son de $420.000,
en septiembre con motivo de fiestas patrias, suben a $560.000. Pasa un ao y se llega a agosto de 1968.
18
Debido a los mayores precios, las ventas del mes alcanzan a $620.000. El problema consiste en estimar
las ventas de septiembre de 1968.
i) Si lo abordamos a travs del esquema aditivo, entonces vemos que en agosto septiembre de 1967 hay un
aumento de 560.000 420.000 = 140.000 pesos. Por tanto se estima que en el periodo de agosto - septiembre
del ao 1968 existir un aumento similar, por tanto concluimos que las ventas para septiembre de 1968 sern
del orden de 620.000 + 140.000 = 760.000 pesos.
ii) Si lo abordamos a travs del esquema multiplicativo, entonces vemos que en agosto septiembre de 1967
hay un factor de aumento de 1,33 (133,3%). Por tanto se estima que en agosto - septiembre del 1968 existir
similar factor de crecimiento por las ventas, por tanto las ventas para septiembre de 1968 sern del orden de
(620.000)(1,333) = 826.460 pesos.
ANLISIS DE LA ESTACIONALIDAD
La variacin estacional nos indica el incremento o disminucin que se haexperimentado en un periodo
estacional dado respecto del valor medio referido atodo el ao.
En el modelo multiplicativo, la componente estacional de una serie temporal, semide con un ndice
(adimensional) denominado ndice de variacin estacional(IVE),expresado en porcentaje y que significa la
fluctuacin del valor de la serie respectoal valor de la tendencia media del ao.Por ejemplo un ndice de
variacinestacional del 86% significa una disminucin del 14% respecto del valor medio de latendencia.
En el modelo aditivo, para cada estacin, la componente estacional indica entrminos absolutos la cantidad en
que se ha superado o no se ha alcanzado el valorde la tendencia media anual. En este caso la componente
estacional se expresa enlas mismas unidades que las observaciones.
Por otro lado el Departamento de Mtodos Cuantitativos e Informticos menciona que la determinacin de la
variacin estacional, es un aspecto fundamental en elanlisis de una serie, principalmente para estudios
comparativos y efectuarpredicciones.En ocasiones interesa conocer las variaciones estacionales y eliminarlas
delcomportamiento global de la serie para poder observar mejor el comportamiento deesta, ajeno a causas
estacionales. La eliminacin de la componente estacional(desestacionalizacion de laserie) de las
observaciones hace comparables cantidadesobservadas en estaciones distintas y que se pueden presuponer
influidas por estehecho.
Por ejemplo supongamos una empresa dedicada a la fabricacin de juguetes de laque disponemos de la
siguiente informacin:El valor medio de las ventas mensuales durante los ltimos 7 aos ha sido
de25.000 unidades.En el mes de marzo se sabe que la componente estacional est dada por un ndicede
variacin estacional del 48% y en el mes de diciembre la componente estacionales del orden del 156%
(modelo multiplicativo). Supongamos que las ventas reales en marzo y diciembre del ltimo aofueron
de 13.500 y 41.500 y deseamos compararlas eliminando la influenciaestacional sobre las ventas.
A los cocientes de las observaciones por el ndice de variacin estacional se ledenomina componente
extraestacionaly recogen los valores que presentara laserie si esta no se viera afectada por los periodos
estacionales:As para los meses de marzo y diciembre esta componente extraestacional presentalos valores:
- Marzo [Y(t)/IVE] = 13.500: 0,48 = 28.125
- Diciembre [Y(t)/IVE]= 41.500 : 1,56 = 26.602.
Por tanto se observa que el mes de marzo tuvo un mejor comportamiento que elmes de diciembre.
Ao
Cuatrim.1
Cuatrim.2
Cuatrim.3
19
1986
1987
1988
1989
5
8
10
11,5
3,5
5
7
10
7
9
10,25
13
1986
1987
1988
1989
Tabla2
IVE
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
VARIABLE
DESESTACIONALIZAR
Y(t)
Tendencia
Grafica A
5
3,5
7
8
5
9
10
7
10,25
11,5
10
13
Y(t)/T
Grafica B
5,17
6,17
6,67
7,33
8
8,67
9,08
9,58
10,58
11,5
0,677
1,134
1,199
0,682
1,125
1,153
0,771
1,07
1,087
0,87
Medias
Mviles
IVE
Sin ajuste
1986
1987
1988
1989
0,677
1,134
1,119
0,682
1,125
1,153
0,771
1,07
1,087
0,87
Promedio
b) TENDENCIA
IVEc
Y(t)/IVEc
Grafica C
1,144
0,749
1,108
1,144
0,749
1,108
1,144
0,749
1,108
1,144
0,749
1,108
4,371
4,673
6,318
6,993
6,675
8,123
8,741
9,346
9,351
10,052
13,351
11,733
IVEc
Con ajuste
Ver Tabla2
Promedio
periodo
1,146
0,75
1,11
1,002
por
IVEc
1,144
0,749
1,108
20
Grfico A
15
10= 2.07x - 4113.81
f(x)
Denuncias (x1000)R =
51
0
1985
Anlisis Global
1986
1987
1988
1
2
3
Media
s
5,17
7,33
9,08
1989
11,5
1990
EJERCICIOS PROPUESTOS:
1. Cierta compaa desea utilizar las tcnicas de suavizamiento para promediar y pronosticar los niveles de
inversin (miles de dlares) de capital que se ha realizado durante los ltimos aos, segn la tabla:
Ao
2010
2011
Cuatrimestre
1
2
3
1
2
3
Inversin
73,2
68,1
72,8
75,9
71,8
69,3
Ao
2012
2013
Cuatrimestre
1
2
3
1
2
3
Inversin
68
67,5
69,9
73,2
75,3
72,9
21
a) La inversin promedio para el ao 2014.
b) La inversin para el primer, segundo y tercer cuatrimestre para el ao 2014
2. En la tabla adjunta se reflejan las ventas trimestrales de una empresa en millones de euros.
Trimestre/ao
Primero
Segundo
Tercero
Cuarto
2006
2
2
3
3
2007
3
4
5
4
2008
2
4
5
4
2009
4
5
7
3
2010
5
6
8
5
Entonces:
a. Desestacionalizar la serie:
b. Obtener los IVEc para cada periodo
c. Realizar el enfoque global (en aos)
d. Estimar los valores para los periodos 1, 2, 3, 4 del ao 2011.
3. La siguiente tabla representa el nmero de empleados que han sido despedidos durante los ltimos 4 aos:
Ao
1994
1995
1
2
3
4
1
2
3
4
Despido
s
25
27
32
29
28
32
34
38
Ao
1996
1997
1
2
3
4
1
2
3
4
Despido
s
35
37
37
39
38
42
44
45
Entonces:
a) La inversin promedio para el ao 1998.
b) La inversin para el primer, segundo, tercer y cuarto periodo para el ao 1998
Bibliografia:
- Johnson &Kuby, 2008. Estadstica Elemental. Cengage Learning Editores, S.A. Mexico.