Complet A

UNED. ELCHE. e-mail: imozas@elx.uned.
es
TUTORA DE FUNDAMENTOS DE ESTADSTICA APLICADOS AL TURISMO http://personal.telefonica.terra.es/web/imm/

EJERCICIOS PROPUESTOS EN EXMENES

1/34

NDICE Pg.:

- DISTRIBUCIONES - PREGUNTAS TERICAS ... 1
UNIDIMENSIONALES - PROBLEMAS....................... 8
- DISTRIBUCIONES BIDIMENSIONALES ...................... 14
- NMEROS NDICES ........................................................ 26
- SERIES TEMPORALES .................................................... 28
- PROBABILIDAD............................................................... 30
- INFERENCIA ESTADSTICA.......................................... 32

DISTRIBUCIONES UNIDIMENSIONALES (CAPTULOS 2, 3 Y 4)
PREGUNTAS TERICAS.-
1. Seale las ventajas e inconvenientes de la media aritmtica como medida de posicin de
una distribucin.
Respuesta.-
En el texto base podemos leer:
Las principales ventajas de la media aritmtica son las siguientes:
- Es calculable en todas las variables, es decir siempre que nuestras observaciones sean
cuantitativas.
- Para su clculo se utilizan todos los valores de la distribucin.
- Es nica para cada distribucin de frecuencias.
- Tiene un claro significado, ya que al ser el centro de gravedad de la distribucin representa
todos los valores observados.
El principal inconveniente es que es un valor muy sensible a los valores extremos, con lo que
en las distribuciones con gran dispersin de datos puede llegar a perder totalmente su significado.
Recordemos aqu la famosa ancdota del pollo, si una persona se come un pollo y otra no come
pollo, como media, entre las dos se habrn comido medio pollo cada una.
2. Se atribuye al dramaturgo irlands Bernard Shaw la siguiente frase:"Si yo me como dos
pollos y tu ninguno, la Estadstica afirma que cada uno de nosotros, en promedio, nos comemos un
pollo". Utilice Vd. la metodologa estadstica para precisar el alcance y crtica de la anterior
afirmacin.
Solucin.-
Si X = n de pollos que se come cada persona, podemos construir la siguiente tabla de
frecuencia:
x
i
n
i
x
i
n
i
x
i
2
x
i
2
n
i
0 1 0 0 0
2 1 2 4 4
Totales: 2 2 4
De donde: Media =
2
2
= 1; Varianza =
4
2
1 = 1; Desviacin tpica =1; Coeficiente de
variacin =
=
1
1
= 1

UNED. ELCHE. e-mail: imozas@elx.uned.es


2/34
As pues, aunque la media aritmtica es 1, un coeficiente de variacin igual a 1 supone una
dispersin grande y debemos considerar que la media aritmtica no es representativa de la
poblacin.
3. Seale las ventajas e inconvenientes de la media geomtrica como medida de posicin de
una distribucin.
Solucin.-
En el texto base podemos leer:
Las principales ventajas:
- Es ms representativa que la media aritmtica cuando la variable evoluciona de
forma acumulativa con efectos multiplicativos.
- Cuando existe, es decir cuando la distribucin no tiene valores negativos, y cuando
est definida, es decir cuando la distribucin no tiene valores nulos, su valor est definido
de forma objetiva y es nico.
- Para su clculo se tiene en cuenta todos los valores de la distribucin.
- Los valores extremos tienen una menor influencia que en la media aritmtica.
Los principales inconvenientes:
- La mayor complicacin de los clculos.
- Su indefinicin (da nmeros con naturaleza imaginaria) cuando tiene valores
negativos y su valor nulo cuando una observacin toma este valor.
4. Explique el significado del coeficiente de variacin de Pearson en dos variables que tienen
como media 110 y 30, respectivamente y, como varianza 1024 en el primer caso y 196 en el
segundo.
Solucin.-
1 variable: coeficiente de variacin =
1024 32
110 110
= 0,291
2 variable: coeficiente de variacin =
196 14
30 30
= 0,467
El coeficiente de variacin de Pearson es una medida relativa de la dispersin mientras que la
varianza (o la desviacin tpica) es una medida absoluta. En este caso, tiene mayor dispersin
absoluta la 1 variable pero, no obstante, posee menos dispersin relativa
5. Indique razonadamente cmo se comporta la media aritmtica ante un cambio de escala y
un cambio de origen en una variable.
Solucin.-
Supongamos que sobre una variable X
i
efectuamos un cambio de origen y de escala:
Y
i
= aX
i
+ b
(multiplicar por a es un cambio de escala y sumar b es un cambio de origen)
La media aritmtica de Y
i
sera:
( )
r r r r
i i i i i i i
i 1 i 1 i 1 i 1
1 1 1 1
Y Yn aX b n a X n b n aX b
N N N N
= = = =
= = + = + = +

es decir, la media aritmtica queda afectada por el mismo cambio de origen y de escala.
6. Defina los conceptos estadsticos de poblacin, marco estadstico, muestra e individuo o
unidad estadstica.
Respuesta.-
Poblacin: Conjunto de elementos que cumplen una determinada caracterstica (ej.:
clientes de un hotel en una determinada fecha).



3/34
Individuo o Unidad de investigacin. Cada uno de los elementos de la Poblacin (ej.:
personas, edificios, oficinas, hoteles, campos de golf, etc.).
Muestra: Cualquier subconjunto de individuos pertenecientes a una poblacin
determinada.
Marco estadstico. Es el conjunto de informacin (ficheros, listados, etc.) que permite
identificar a todos los individuos de la poblacin. Es la base informativa que empleamos para
seleccionar la muestra. En el marco estadstico no siempre est contenido todo el universo (por las
omisiones, duplicaciones, unidades mal clasificadas, etc.)

7. Defina y explique el significado de los conceptos estadsticos de varianza y desviacin
tpica
Respuesta.-
La varianza de una distribucin se define como la media aritmtica de los cuadrados de las
desviaciones respecto a la media. Se representa por s
2
o por
2
. Se expresa:
2
= ( )
=

n
1 i
i
2
i
n X X
N
1
.
Se llama desviacin tpica o estndar a la raz cuadrada de la varianza. Es ms til que la
varianza ya que tiene las mismas dimensiones que la media.

8. Defina el concepto y significado de las medidas de curtosis de una distribucin estadstica.
Respuesta.-
Las medidas de apuntamiento o curtosis tratan de estudiar la distribucin de frecuencias en la
zona media. El mayor o menor nmero de valores de la variable alrededor de la media dar lugar a
una distribucin ms o menos apuntada.
Para estudiar el apuntamiento compararemos el perfil de la distribucin (polgono de
frecuencias o histograma) con la denominada campana de Gauss de ecuacin y =
2
x
2
e
2
1

cuya
grfica es:
0
0.1
0.2
0.3
0.4
0.5
0.6
-4 -2 2 4
x

Ello se hace calculando el denominado coeficiente de curtosis de Fisher

Segn el valor de esta expresin, tendremos una distribucin mesocrtica (normal), si g
2
= 0;
leptocrtica, si g
2
> 0, o platicrtica, si g
2
< 0.



4/34

9. Defina la mediana y la moda de una distribucin unidimensional de frecuencias e indique
el inconveniente de ambas
10. Cul es el objetivo de las medidas de dispersin estadstica? cules son las principales
que conoce?
11. Es posible obtener la media geomtrica de una distribucin unidimensional de
frecuencias en la que la variable toma algn valor nulo? Razone la respuesta
Respuesta.-
Puede obtenerse pero carece de significado ya que, al haber un valor nulo, el resultado es
cero.
12. Defina el concepto de moda relativa y ponga un ejemplo de distribucin unidimensional
con una moda relativa
Respuesta.-
Un valor de la variable es moda relativa cuando su frecuencia es mayor o igual que la de sus
valores contiguos. Ejemplo:
x
i
n
i

1 20
2 10
3 16
4 12
5 15
El 3 es moda relativa pues su frecuencia es mayor que las de sus valores contiguos.
El 5 no es moda relativa pues, aunque su frecuencia es mayor que la de su valor contiguo por
la izquierda, carece de valor contiguo por la derecha.
El 1 tampoco es moda relativa por la misma razn anterior. Sin embargo es la moda, pues su
frecuencia es mayor que las dems.
13. Defina el Coeficiente de Variacin de Pearson y explique su significado.
Respuesta.-
Se define el coeficiente de variacin de Pearson CV =
X aritmtica media
tpica Desviacin
= , y se trata de
una medida de dispersin relativa. Cuanto menor sea su valor absoluto, menor ser la dispersin de
los valores de la variable y, por tanto, mayor ser la representatividad de la media aritmtica.
Se considera que si dicho valor es mayor que la unidad, la media debe descartarse como
representativa de la poblacin.
14. Defina los conceptos de parmetro, variable y atributo
15. Defina el concepto de mediana de una distribucin de frecuencias y ponga un sencillo
ejemplo de clculo en una distribucin unidimensional de tipo 1 con un nmero impar de
observaciones



5/34
16. Defina el concepto de varianza de una distribucin.
17. En qu casos es preferible, por ser ms representativa, utilizar la media geomtrica en
vez de la media aritmtica?
Respuesta.-
Cuando los valores a promediar tengan entre s una relacin multiplicativa en lugar de
aditiva. Por ejemplo cuando se trate de tasas de crecimiento. Ejemplo: las tasas de crecimiento de
determinada magnitud a lo largo de cuatro periodos de tiempo han sido respectivamente 1,2; 1,5; 1,1
y 1,3 (esto quiere decir que la magnitud ha aumentado sucesiva y respectivamente el 20%, el 50% el
10% y el 30%). Entonces la tasa media habr sido la media geomtrica 27 , 1 3 , 1 1 , 1 5 , 1 2 , 1
4
.
18. S a una variable X
i
la sometemos al mismo tiempo a un cambio de origen O y a un
cambio de escala C cul o cules de las siguientes afirmaciones son falsas o correctas y por qu?
- Los cambios de origen afectan a la media aritmtica
- Los cambios de escala afectan a la media aritmtica
- La varianza y la desviacin tpica slo se ven afectadas por los cambios de escala.
Respuesta.-
Las tres afirmaciones son correctas. En efecto, sea
C
O X
Y
i
i
= . Entonces
( )
C
O X
O X
C
1
n
n
1
O n X
n
1
C
1
n
C
O X
n
1
Y
i
i
i
i i
i
i
i

= =
|
|
.
|
\
|
=
=

, es decir, la media se ve
afectada por el cambio de origen y de escala.
Adems, Var(Y) = ( ) =
|
|
.
|
\
|

=
|
|
.
|
\
|

=

i
i
2
i
i
i
2
i
i
i
2
i
n
C
X X
n
1
n
C
O X
C
O X
n
1
n Y Y
n
1

= ( ) X Var
C
1
2

19. Explique cundo y por qu es conveniente introducir ponderaciones en la media
aritmtica.
Respuesta.- Cuando los valores de la variable a ponderar no se consideren todos igualmente
importantes. Por ejemplo, la nota final de una asignatura obtenida promediando las notas obtenidas
dos exmenes parciales, uno de ellos de ms importancia que el otro
20. Explique los conceptos estadsticos de Rango, Recorrido, Amplitud total y Coeficiente
de Apertura .
Respuesta.- Ver U.D. pg. 90 y 91.
21. Indique las diferencias entre los conceptos estadsticos de Parmetro, Variable y Atributo
Respuesta.-
En el texto base explica que se denominan parmetros a las caractersticas poblacionales que
deseamos investigar y que suelen ser desconocidas a priori. Por ejemplo, la edad de los viajeros de
una compaa area, la nacionalidad de los visitantes un museo, el motivo de los viajes contratados
en una agencia, etc.
Cuando estas caractersticas son numricas, es decir, cuando se pueden medir, se denominan
variables (aos de edad, renta anual en euros, etc.); por el contrario, cuando las caractersticas de la
poblacin no son susceptibles de medirse numricamente reciben el nombre de atributos (el color
del pelo, el sexo, la profesin, el estado civil, el grado de satisfaccin del cliente con un servicio,
etc...).



6/34
Los atributos, a diferencia de las variables, presentan modalidades o categoras (el atributo
sexo puede adoptar las modalidades de varn o mujer, el atributo intencin de voto se concreta en
los nombres de los partidos polticos que se presenten a las elecciones sondeadas y el de opinin
sobre la satisfaccin de un cliente con el servicio de limpieza de un hotel puede adoptar las
modalidades que se determinen: excelente, bueno, malo, regular, etc.).

22. Defina el concepto de mediana y ponga un ejemplo de clculo de la misma para el caso
de una distribucin unidimensional de tipo I en la que el nmero de observaciones es impar
Respuesta.-
Mediana de una distribucin de frecuencias, es aquel valor que divide a la distribucin,
previamente ordenada en forma creciente, en dos partes iguales, dejando el mismo nmero de
valores de la variable a su izquierda que a su derecha.
Veamos un ejemplo para una distribucin del tipo I (la frecuencia de cada valor es la unidad),
con un nmero de observaciones impar, que escribiremos ya ordenados:
{2, 3, 5, 6, 8, 9, 13, 15, 16, 17, 19, 22, 25, 26, 29, 31, 33}
en total 17. La mediana ser el valor que ocupa el lugar 9 (pues tiene 8 a su izquierda y 8 a su
derecha), a saber: Me = 16.
23. Tenemos una distribucin con los siguientes datos: 1 , 8 , 9 y 85 . Indique a simple
vista si considera que para esta distribucin es representativa la media aritmtica; Qu debera
hacerse para valorar adecuadamente esta representatividad? Qu medidas deberan calcularse?
Respuesta.-
A simple vista no parece que la media aritmtica vaya a ser representativa puesto que hay un
valor (85 ) que se aleja mucho de los otros tres. Para valorar la representatividad adecuadamente,
hay que calcular el coeficiente de variacin de Pearson, CV =
X
. Calculemos entonces la media y

la desviacin tpica:
4
85 9 8 1
X
+ + +
= = 25,75; ( ) =
+ + +
= = 1179,6875 75 , 25
4
7225 81 64 1
X X
2 2 2
34,35.
De aqu obtenemos que CV 1,33 y al ser mayor que la unidad, debemos descartar la media
aritmtica como parmetro adecuado.
24. Seale las ventajas e inconvenientes de la media armnica como medida de posicin de
una distribucin En que casos es adecuado utilizarla?
Respuesta.-
En las U.D. (pg.:50) podemos leer que la media armnica slo se puede calcular si no hay
observaciones iguales a cero. Es una medida estadstica que se emplea cuando se quieren promedias
rendimientos, velocidades, productividades, etc.
Sus principales ventajas son:
Es ms representativa que otras medidas en los casos de obtener promedios de velocidades,
rendimientos, productividades, etc.
Est definida de forma objetiva y es nica.
Su clculo es sencillo.
Para su clculo tiene en cuenta todos los valores de la distribucin.
Los valores extremos tienen una menor influencia que en la media aritmtica.
El principal inconveniente se produce cuando se utiliza para variables en los que hay valores
muy pequeos; en estos casos sus inversos pueden aumentar casi hasta el infinito, eliminando el
efecto del resto de los valores. Por esta misma razn no es posible calcularla cuando algn valor es
cero, ya que se produce una indeterminacin matemtica.



7/34
25. Indique un ejemplo en el que sea aconsejable introducir ponderaciones para el clculo de
la media aritmtica.
Respuesta.-
En la pgina 47 de las U.D. proponen el siguiente ejemplo: supongamos que queremos hacer
una seleccin de personas para la recepcin de un hotel en el que se considera muy importante el
conocimiento de ingls y menos importante el de otras materias como la estadstica o el marketing;
en el currculum vitae de un candidato tenemos informacin sobre las notas medias obtenidas en
distintos bloques de conocimientos; se considera que la calificacin de ingls debe ponderarse el
doble que la del resto de materias:
Materias Calificacione
s
Coeficientes de
ponderacin
Ingls 8 2
Marketing 6 1
Estadstica 10 1
Entonces la nota media sera: 8
1 1 2
1 10 1 6 2 8
x =
+ +
+ +
=
26. Defina las medidas de simetra y apuntamiento de una distribucin de frecuencias.
Respuesta.-
En el libro de texto (pg.: 87) se proponen cuatro medidas de asimetra:
El coeficiente de asimetra de Fisher:
( )
( )
2
3
n
1 i
i
2
i
n
1 i
i
3
i
3
x
3
1
n x x
N
1
n x x
N
1
m
g
|
|
.
|
\
|
=
=

El coeficiente de asimetra de Pearson: Ap =
x
Me x

El coeficiente de asimetra de Bowley: C
a
=
1 3
1 3
Q Q
Me 2 Q Q
+

El coeficiente de asimetra de la hoja de clculo Excel:
( )( )
=
|
|
.
|
\
|

=
n
1 I
3
i
s
x x
2 n 1 n
n
A
En todos los casos, si el coeficiente es positivo hay asimetra a la derecha, si es negativo, hay
asimetra a la izquierda y si es cero la distribucin es simtrica.
Respecto a las medidas de apuntamiento, tenemos el coeficiente de Fisher, g
2
= 3
m
4
4
y el
que usa la hoja de clculo Excel: C =
( )
( )( )( )
( )
( )
( )( ) 3 n 2 n
1 n 3
s
x x
3 n 2 n 1 n
1 n n
2 n
1 i
4
i

|
|
.
|
\
|

=
. En ambos
casos, si el coeficiente es positivo, la forma de la distribucin es ms apuntada que la normal
(leptocrtica), si es cero es como la normal (mesocrtica) y si es negativo es menos apuntada
(platicrtica).
27. Indique las ventajas e inconvenientes de la media aritmtica como medida de posicin de
una distribucin En que casos no es posible utilizarla?
28. Existe siempre la moda en una distribucin unidimensional de frecuencias? Razone la
respuesta.



8/34
29. Qu diferencia existe entre la desviacin tlpica y la cuasi-desviacin tpica? Qu
propiedades poseen?
30. Indique las ventajas e inconvenientes de la media geomtrica como medida de posicin
de una distribucin En que casos no es posible calcularla?
31. Qu son los cuantiles de una distribucin unidimensional de frecuencias? Cules son
los cuantiles ms habituales?
32. Defina el concepto de tipificacin de una variable Cul es la media aritmtica de una
variable
tipificada?
PROBLEMAS.-
1. En la siguiente distribucin determinar los tres cuartiles, el sptimo decil y el 99
percentil.

x
i
1 3 4 5 7 9
n
i
10 20 30 20 27 13
Solucin.-
Aadamos la columna de frecuencias acumuladas:
x
i
n
i
N
i

1 10 10
3 20 30
4 30 60
5 20 80
7 27 107
9 13 120
120
Tendremos:
Q
1
=
2
4 3
2
x x
31 30
+
=
+
= 3,5; Q
2
= Me =
2
5 4
2
x x
61 60
+
=
+
= 4,5; Q
3
=
2
x x
91 90
+
= 7;
D
7
= =
+
2
x x
85 84
7; P
99
= x
119
= 9.
2. Calcular la mediana en las siguientes distribuciones:
x
i
4 8 12 20 25

x
i
3 1 5 7

x
i
0 1 2 3 4
n
i
4 10 4 1 1
Solucin.-En el primer caso la mediana es 12; en el segundo caso es
2
5 3+
= 4; en el tercer
caso:
x
i
n
i
N
i

0 4 4
1 10 14
2 4 18
3 1 19
4 1 20
Mediana = 1
2
1 1
2
x x
11 10
=
+
=
+



9/34
3. Las ventas medias diarias de los 16 vendedores de una agencia de viajes durante un
determinado perodo fueron las siguientes:
Vendedor n 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Ventas diarias en miles de 2 2,5 3 2 2,3 2,1 2,5 2 2 1,5 2 2 1,7 1,5 2,5 3

a) Cul es la cifra ms comn de ventas de los vendedores?
b) Cul es la venta media por empleado de la agencia?
e) Cul es la mediana de esta distribucin?
Solucin.-
Escribamos la tabla de frecuencias:

x
i
n
i
x
i
n
i
N
i

1,5 2 3 2
1,7 1 1,7 3
2 6 12 9
2,1 1 2,1 10
2,3 1 2,3 11
2,5 3 7,5 14
3 2 6 16
16 34,6
a) La cifra ms comn de ventas (la moda) es Mo = 2 (miles de )
b) La venta media
16
6 , 34
x = 2,16 (miles de )
c) Por tratarse de un nmero par de individuos, la mediana es la media aritmtica de los dos
valores centrales (el 8 y el 9): Me =
2
2 2 +
= 2 (miles de ).
4. Utilizando el cambio de escala Y
i
= X
i
/l000, calcule la media aritmtica y las modas
absolutas y relativas de la siguiente distribucin de frecuencias:
Ventas anuales en de una
cadena de agencias de viajes
(X
i
)
N de
agencias
(n
i
)
93.000 2
98,000 3
112.000 4
118.000 5
165.000 6
190.000 8
225.000 4
265.000 3
350.000 4
400.000 6
425.000 2
526.000 2
575.000 1
N Total de Agencias de
Viaje
50



10/34
Solucin.-
Ventas anuales en de una
Y
i

N de agencias
Y
i
n
i

93.000 93 2 186
98000 98 3 294
112.000
11
4 448
118.000
11
5 590
165.000
16
6 990
190.000
19
8 1520
225.000
22
4 900
265.000
26
3 795
350.000
35
4 1400
400.000
40
6 2400
425.000
42
2 850
526.000
52
2 1052
575.000
57
1 575
50
1200

media aritmtica de Y
i
= 240 media de X
i
= 2401000 = 240000
moda absoluta de Y
i
= 190 moda absoluta de X
i
= 190000
moda relativa de Y
i
= 400 moda relativa de X
i
= 400000
moda relativa de Y
i
= 526 moda relativa de X
i
= 526000
5. Calcular el coeficiente de variacin de Pearson de la siguiente distribucin de frecuencias
L
i
-L
i+1
n
0-10 20
10-20 50
20-30 60
30-40 40
40-50 30
50-60 10
Solucin.-
De la tabla:
L
i
-L
i+1
n
i
x
i
x
i
n
i
x
i
2
x
i
2
n
i

0-10 20 5 100 25 500
10-20 50 15 750 225 11250
20-30 60 25 1500 625 37500
30-40 40 35 1400 1225 49000
40-50 30 45 1350 2025 60750
50-60 10 55 550 3025 30250
210 5650 189250
obtenemos:
X= 26,90
2
X = 901,19
2
= ( )
2
2
X X =177,32
= 13,32
CV =
X
= 0,49
Dado que el coeficiente de variacin es < 0,5, podemos considerar que la media tiene una
aceptable representatividad.



11/34
6. Con los siguientes datos referidos a una muestra de visitantes de un establecimiento
hotelero.
Datos de edad Nmero de visitantes
menos de 10 aos 2
de 10 a 15 aos 35
de 15 a 25 aos 45
de 25 a 35 aos 33
de 35 a 45 aos 35
de 45 a 55 aos 50
de 55 a 65 aos 40
ms de 65 aos 60
Total 300

Obtener: a) Las frecuencias acumuladas, las frecuencias relativas y las frecuencias relativas
acumuladas. b) Las principales medidas de posicin (media, mediana y modas absolutas y relativas)
Solucin.-
Para precisar, supondremos los intervalos cerrados por la izquierda y abiertos por la derecha.
Adems, tomaremos el ltimo intervalo igual a [65, 75]. As tendremos:
a)
Datos
de
edad
Nmero
de
visitantes
(n
i
)
Marcas
de
clase
(x
i
)
Frecuencias
acumulada
s
(N
i
)
Frecuencias
relativas
(f
i
)
Frecuencias
relativas
acumuladas
(F
i
)
x
i
n
i

Densidades
de
frecuencia
[0, 10[ 2 5 2 6 0 , 0
300
2 )
= 6 0 , 0
300
2 )
= 10 2 , 0
10
2
=
[10, 15[ 35 12,5 37 6 11 , 0
300
35 )
= 3 12 , 0
300
37 )
= 437,5 7
5
35
=
[15, 25[ 45 20 82 15 , 0
300
45
= 3 27 , 0
300
82 )
= 900 5 , 4
10
45
=
[25, 35[ 33 30 115 11 , 0
300
33
= 3 38 , 0
300
115 )
= 990 3 , 3
10
33
=
[35, 45[ 35 40 150 6 11 , 0
300
35 )
= 5 , 0
300
150
= 1400 5 , 3
10
35
=
[45, 55[ 50 50 200 6 1 , 0
300
50 )
= 6 , 0
300
200 )
= 2500 5
10
50
=
[55, 65[ 40 60 240 3 1 , 0
300
40 )
= 8 , 0
300
240
= 2400 4
10
40
=
[65, 75] 60 70 300 2 , 0
300
60
= 1 4200 6
10
60
=
Total 300 12837,5
b) De la tabla obtenemos la media 6 42,791
300
12837,5
x
)
= = ; la mediana Me = 45; la clase
modal absoluta es [10, 15] (la de mayor densidad de frecuencia) luego la moda absoluta:



12/34
Mo = 10 + 5
5 , 4 2 , 0
5 , 4
+
14,79; modas relativas: una en la clase [45, 55[, una estimacin de la cual
sera 45+ 10
5 , 3 4
4
+
50,33; otra en la clase [65, 75], una estimacin de la cual sera 65.
7. Entre los clientes de un hotel se hace una Encuesta sobre control de calidad de los
servicios. De los 100 clientes entrevistados 25 expresaron algn tipo de queja sobre el
funcionamiento de uno o varios de los departamentos o unidades de servicio sobre los que fue
preguntado; en referencia a las 5 unidades de servicio del hotel, se obtuvo la siguiente relacin de
quejas:
El Departamento 1 tuvo 10 quejas;
a) Organice la informacin en una tabla de frecuencias.
b) Represntela grficamente en un diagrama de barras.
c) Valore las conclusiones obtenidas, indicando:
La proporcin total de de quejas
La proporcin de quejas que obtuvo cada Departamento
Cmo expresara la moda de la distribucin?
Cmo expresara la media aritmtica de la distribucin? Tiene sentido hablar de la
misma?

Solucin:

a) Tabla de frecuencias:

Departament
o
N de
quejas
1 10
2 15
3 1
4 8
5 2
Total 36

b) diagrama de barras:
0
2
4
6
8
10
12
14
16
1 2 3 4 5
Departamento
N

d
e

q
u
e
j
a
s



13/34

c) La proporcin total de quejas: puesto que se ha entrevistado a 100 clientes que hubieran
podido presentar un mximo de 500
quejas (una por departamento) y slo se
han presentado 36, la proporcin total de
quejas sera
500
36
= 0,072 es decir, un 7,2
% de los clientes (en la muestra
considerada) presenta alguna queja.
La proporcin de quejas que
obtuvo cada departamento:
La moda sera el departamento
nmero 2, que es le que obtiene mayor
nmero de quejas.
Los distintos departamentos son
modalidades de un atributo, no constituyendo una variable cuantitativa y por tanto el clculo de la
media aritmtica no tiene sentido.

8. Calcular la media, la mediana y la moda de la masa
salarial de una empresa con 1000 trabajadores que tiene la
distribucin adjunta de salarios por intervalos:

Solucin.-
Construimos la tabla:

Salario
Mensual en
euros
Marcas de
clase
N de
trabajadores x
i
n
i

Frecuencia
acumulada
N
i

L
i1
L
i
(x
i
) (n
i
)

600-800 700 160 112000 160
Clase modal 800-1000 900 200 180000 360

1000-1200 1100 100 110000 460
Clase mediana 1200-1400 1300 110 143000 570

1400-1600 1500 100 150000 670

1600-1800 1700 85 144500 755

1800-2000 1900 10 19000 765

2000-2200 2100 14 29400 779

2200-2400 2300 25 57500 804

2400-2600 2500 47 117500 851

2600-2800 2700 24 64800 875

2800-3000 2900 40 116000 915

3200-3400 3300 85 280500 1000
Departamento N de quejas Proporcin
1 10
36
10
0,28 28%
2 15
36
15
0,42 42%
3 1
36
1
0,03 3%
4 8
36
8
0,22 22%
5 2
36
2
0,06 6%
Salario Mensual en
euros
L
i1
L
i

N de
trabajadores
(n
i
)
600-800 160
800-1000 200
1000-1200 100
1200-1400 110
1400-1600 100
1600-1800 85
1800-2000 10
2000-2200 14
2200-2400 25
2400-2600 47
2600-2800 24
2800-3000 40
3200-3400 85



14/34

1000 1524200
de donde se obtiene:
Media = 1524,2
1000
1524200
= ; Mediana = L
i1
+ 1272,73 200
110
460 500
1200 c
n
N
2
N
i
i
1 i
+ =

;
Moda = L
i1
+
i
1 i 1 i
1 i
c
n n
n
+
+
+
= 800 + 200
100 160
100
+
876,92
9. La valoracin de 0 a 10 del grado de satisfaccin con los servicios recibidos por una
agencia mayorista a partir de una muestra de 500 agencias minoristas es la siguiente:

Obtener la media aritmtica de la valoracin de los servicios ponderada por la importancia de
las ventas de cada estrato y por el nmero de agencias e interpretar el significado de los resultados
obtenidos.
DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES (CAPTULO 5 )

1) Razone brevemente sobre los conceptos de Casualidad, Causalidad y Especificacin de
modelos estadsticos.(Junio 2003)
Respuesta.-
Consideremos en una poblacin dos o ms variables:
- Es posible que exista relacin entre ellas de modo que una variacin de una o varias
produzca como consecuencia una variacin en otras, explicable mediante alguna teora general (por
ejemplo, de la teora de la demanda se deduce que si aumentamos el precio, disminuye la demanda).
En este caso decimos que existe relacin de causalidad.
- Es posible no obstante que encontremos relacin entre las variables pero no exista modelo
terico lgico que fundamente la relacin (por ejemplo, calificaciones obtenidas por 50 alumnos en
una asignatura y produccin de cereales de 50 provincias). Hablaremos en este caso de casualidad.
- As pues, al estudiar la relacin entre variables, debemos especificar previamente un
modelo terico que recoja las principales relaciones de causalidad (por ejemplo, el n de clientes de
una cadena hotelera puede venir explicado por los precios de alojamiento, el nmero de turistas que
visitan la localidad, etc.)
2) En una distribucin de frecuencias para 2 variables (x, y), se ha obtenido la siguiente tabla
de correlaciones:
3 4 8 TOTAL
5 4 2 2 8
6 2 1 2 5
7 1 2 4 7
TOTAL 7 5 8 20

Y
X



15/34
Obtenga: a) La regresin lineal simple de Y/ X (Y sobre X) y de X sobre Y (X/ Y).
b) El coeficiente de determinacin de ambas rectas de regresin. (Junio 2003)
Solucin.-
Efectuamos los clculos necesarios para obtener las
medias y las varianzas:
De la tabla se obtiene: a
10
=
119
20
= 5,95; a
01
=
105
20
= 5,25;
a
20
=
723
20
= 36,15; a
02
=
655
20
= 32,75 y de aqu:
m
20
= 36,15 5,95
2
= 0,7475; m
02
= 32,75 5,25
2
=
5,1875
Por otra parte, si multiplicamos cada valor de X por cada valor de Y y por su respectiva
frecuencia, obtenemos la tabla
60 40 80
36 24 96
21 56 224
cuya suma de elementos da 637, de donde obtenemos: a
11
=
637
20
= 31,85 y de aqu:
m
11
= 31,85 5,955,25 = 0,6125.
Se tendr pues:
a) la recta de regresin de Y/X es:
y 5,25 = ( )
0, 6125
x 5, 95
0, 7475
y 0,82x + 0,37
y la recta de regresin de X/Y:
x 5,95 = ( )
0, 6125
y 5, 95
5,1875
x 0,12y + 5,33
b) el coeficiente de determinacin: R
2
=
2
11
20 02
m
m m
=
2
0, 6125
0, 74755,1875
0,0967
3) Explique y valore el significado del coeficiente de correlacin lineal de Pearson. (Junio
2003 reserva)
Solucin.-
Consideremos una variable bidimensional (X
i
, Y
i
), siendo X
i
la variable independiente
(exgena) e Y
i
la dependiente (endgena). Sea y = a+bx la recta de regresin de Y/X. Tenemos
entonces las tres varianzas:
S
2
Y
= m
02
, varianza de la variable Y
i
; S
2
Yt
= varianza de la variable a+bX
i
, (varianza explicada por
la regresin); S
2
rY
varianza de la variable Y
i
abX
i
, (varianza residual). Se demuestra que
S
2
Y
= S
2
Yt
+ S
2
rY

Llamamos coeficiente de determinacin R
2
a la proporcin (tanto por uno) de varianza
explicada que forma parte de la varianza de la variable:
R
2
=
2
Yt
2
Y
S
S

demostrndose que
2
2 11
20 02
m
R
m m
= y, obviamente, 0 R
2
1.
Llamamos coeficiente de correlacin al cociente:
3 4 8 n
i
x
i
n
i
x
i
2
n
i

5 4 2 2 8 40 200
6 2 1 2 5 30 180
7 1 2 4 7 49 343
n
j
7 5 8 20 119 723
y
j
n
j
21 20 64 105
y
j
2
n
j
63 80 512 655



16/34
R =
11
20 02
m
m m

cumplindose que 1 R 1. Si es 1 1, la varianza se compone exclusivamente de la varianza
explicada, es decir, la varianza residual es nula y el ajuste de la nube de puntos a la recta de
regresin es perfecto; si es cero entonces la varianza se compone exclusivamente de la varianza
residual y la ecuacin de regresin no es representativa.
4) Una empresa quiere realizar un estudio sobre la influencia de las campaas publicitarias
en sus cifras de ventas. Para ello dispone del gasto destinado a publicidad y sus ventas en los
ltimos 5 aos:
Aos Gastos publicidad Ventas
1997 2,2 195
1998 2,5 200
1999 2,8 221
2000 2,9 230
2001 3,1 239
2002 3,5 248
a) Obtener un modelo lineal que permita predecir las ventas en funcin de los gastos en
publicidad.
b) Predecir las ventas de 2003 si se piensa invertir en publicidad 5 millones de euros. e)
Valorar los errores obtenidos por la recta de regresin. (Junio 2003 reserva)
Solucin.-
a) Consideramos la variable bidimensional (x
i
, y
i
) donde x
i
= gastos en publicidad;
y
i
= ventas, tenemos la tabla:

x
i
y
i
x
2
i
y
2
i
x
i
y
i

2,2 195 4,84 38025 429
2,5 200 6,25 40000 500
2,8 221 7,84 48841 618,8
2,9 230 8,41 52900 667
3,1 239 9,61 57121 740,9
3,5 248 12,25 61504 868
Totales: 17 1333 49,2 298391 3823,7
de donde se deduce:

a
10
= 2,83333333 m
20
= 0,17222222
a
01
= 222,166667 m
02
= 373,805556
m
11
= 7,81111111
de donde la recta de regresin de Y/X:
y 222,17 =
7,81
(x 2,83)
0,172
y 45,35x + 93,66
b) sustituyendo en la recta x = 5 y 320,43
c) El coeficiente de determinacin R
2
=
2
7,81
0,17373,80
0,9477, lo que indica que la recta de
regresin es representativa para realizar interpolaciones o extrapolaciones.



17/34
5) Elabore una tabla tipo de una distribucin bidimensional (X, Y) indicando el significado
de los trminos x
1
, x
2
. ........ x
r
; y
1
, y
2
......y
s
; n
i1
, n
i2
, .....n
is
; n
1j
, n
2j
, ...., n
rj
; n
i
; n
j
; N. (Septiembre
2003)
Respuesta.-
y
x
y
1
y
2
..... y
s

x
1
n
11
n
12
..... n
1s
n
1
x
2
n
21
n
22
..... n
2s
n
2
.
.
.
.
.
.
.
.
.
.....
.
.
.
.
.
.
x
r
n
r1
n
r2
..... n
rs
n
r
n
1
n
2
..... n
s
N

x
1
, x
2
, ..., x
r
: valores de la variable X
y
1
, y
2
, ..., y
r
: valores de la variable Y
n
ij
: frecuencia del punto (x
i
, y
j
), i = 1, 2, ..., 3; j = 1, 2, ..., s
n
i
=
=
s
1 j
ij
n es la frecuencia marginal de x
i
.
n
j
=
=
r
1 i
ij
n es la frecuencia marginal de y
j
.
N =
=

s
1 j
j
n =
=

r
1 i
i
n =
j , i
ij
n es el total de individuos.

6) Defina el coeficiente de correlacin lineal e indique los valores que puede tomar y su
significado. (Septiembre 2003)
Respuesta.-
R =
02 20
11
m m
m
. Se cumple que 1 R 1. Si R = 1, la correlacin es mxima y los puntos (x
i
, y
j
)
estn en lnea recta (las dos rectas de regresin coinciden), de pendiente positiva si R = 1 y de
pendiente negativa si R = 1. Cuanto menor, en valor absoluto, sea R, mayor ser el ngulo que
formen entre s las rectas de regresin. Si R = 0, no existe correlacin y las rectas de regresin y =
a
01
, x = a
10
, son perpendiculares.
7) Se ha efectuado una encuesta a 20 agencias de viaje preguntando por su situacin
respecto a dos variables de inters (n de clientes diarios y n de trabajadores); en estas encuestas se
han obtenido los siguientes resultados
N de
trabajadores
N de clientes
1 2 3 total
5 4 2 2 8
6 2 1 2 5
7 1 2 4 7
total 7 5 8 20
Obtener los momentos de orden 1 y 2 respeto a la media y respecto al origen de esta
distribucin y estudiar la posible dependencia entre ambas variables. (Septiembre 2003)



18/34
Solucin.-
Ampliemos la tabla con los clculos que se indican:
Nde
trabajadores

Nde clientes
1 2 3 total x
i
n
i
x
2
i
n
i

5 4 2 2 8 40 200
6 2 1 2 5 30 180
7 1 2 4 7 49 343
total 7 5 8 20 119 723
y
j
n
j
7 10 24 41
y
2
j
n
j
7 20 72 99
Adems, sustituyendo n
ij
por el producto x
i
y
j
n
ij
, obtenemos

1 2 3
5
20 20 30
6
12 12 36
7
7 28 84
obtenindose una suma
j , i
ij j i
n y x = 249. Ya podemos calcular los momentos:
a
10
=
20
119
n x
20
1
3
1 i
i i
=
=

= 5,95

a
20
=
20
723
n x
20
1
3
1 i
i
2
i
=
=

=36,15
m
11
= a
11
a
10
a
01
= 0,2525
a
01
=
20
41
n y
20
1
3
1 i
j j
=
=

= 2,05

a
02
=
20
99
n y
20
1
3
1 i
j
2
j
=
=

= 4,95
m
20
= a
20
a
10
2
= 0,7475
a
11
=
j , i
ij j i
n y x
20
1
= 12,45

m
10
= m
01
= 0 m
02
= a
02
a
01
2
= 0,7475
El coeficiente de correlacin sera: R =
7475 , 0 7475 , 0
2525 , 0
0,3378. Por tanto existe una
correlacin que puede considerarse pequea entre las dos variables.
8.- Razone brevemente sobre los conceptos de Casualidad, Causalidad y Especificacin de
modelos estadsticos. (Junio 2004)
Respuesta.-
Cuando en una distribucin bidimensional (X, Y) pueda considerarse que los valores de la
variable independiente o exgena X son la causa de los valores de la variable dependiente o
endgena Y, diremos que existe causalidad. Por ejemplo, el precio de un producto y las cantidades
vendidas del mismo.
No obstante, puede haber relacin entre los valores de las variables, sin que sea probable que
unos valores sean la causa de los otros. Por ejemplo, la evolucin del precio del metro cuadrado de
la vivienda en los ltimos cinco aos, y la estatura de mi sobrino en el mismo periodo. Diremos en
ese caso que existe casualidad.
Al estudiar la relacin entre variables, debemos especificar, mediante un modelo terico, en
qu medida una variable endgena es la causa de las variables exgenas que intervienen en el
proceso.



19/34
9.- En una distribucin de frecuencias para 2 variables (x, y), se ha obtenido la siguiente
tabla de correlaciones:

y
i
x
j

1 2 3 TOTAL
0 3 0 1 4
3 0 4 2 6
5 1 1 6 8
TOTAL 4 5 9 18

Se pide:
a) Construya las distribuciones marginales de frecuencias de las variables x e y
b) Calcule la media aritmtica, la desviacin tpica y el coeficiente de variacin de Pearson
c) Calcule la covarianza de la distribucin conjunta de ambas variables (Junio 2004)
Solucin.-
a) y b)
Distribucin marginal de la x Distribucin marginal de la y
x
j
n
j
x
j
n
j
x
j
2
x
j
2
n
j
y
j
n
i
y
j
n
i
y
j
2
y
j
2
n
i

0 4 0 0 0 1 4 4 1 4
3 6 18 9 54 2 5 10 4 20
5 8 40 25 200 3 9 27 9 81
18 58 254 18 41 105

x = a
10
=
18
58
3,22 y = a
01
=
18
41
2,28
2
x = a
20
=
18
254
14,11
2
y = a
02
=
18
105
5,83
S
x
=
2
10 20 20
a a m = 1,93 S
y
=
2
01 02 02
a a m = 0,80
CV
x
=
x
S
x
0,60

CV
y
=
y
S
y
0,35

c) Calculamos x
j
y
i
n
ji
,

y
i
x
j

1 2 3
0 0 0 0
3 0 24 18
5 5 10 90
147
y sumando obtenemos
i , j
ji i j
n y x = 147, de donde
18
147
a y x
11
= = 8,17. As pues,
Cov(X,Y) = m
11
= a
11
a
10
a
01
0,83
10.- La siguiente tabla de distribucin de frecuencias indica, para 2 variables, la relacin
existente entre las ventas medias de un complejo turstico y las temperaturas medias observadas
durante un conjunto de aos.



20/34
Temperatura media
durante
el verano en grados
centesimales (X
i
)
Ventas en euros de
un
complejo turstico
(Y
i
)
25 6,5
27 7,0
30 9,0
28 8,5
31 9,0
30 8,2

Obtener:
a) Un diagrama o grfico de dispersin
b) La recta de regresin entre la variable dependiente Y
i
y la independiente X
i
(Jun. 2004-2)
Solucin.-
a) Representaremos la nube de puntos:
6
6,5
7
7,5
8
8,5
9
9,5
24 25 26 27 28 29 30 31 32
Temperatura
V
e
n
t
a
s

b) La recta de regresin entre la variable dependiente Y
i
y la independiente X
i
es la recta
X/Y: xa
10
=
02
11
m
m
(ya
01
)

Temperatur
a media
durante
el verano en
grados
centesimales
(X
i
)
Ventas en
euros de un
complejo
turstico
(Y
i
)
X
i
Y
i
X
i
2

25 6,5 162,5 625
27 7 189 729
30 9 270 900
28 8,5 238 784
31 9 279 961
30 8,2 246 900
171 48,2 1384,5 4899

a
10
= 28,5 m
11
= 1,8
20
11
m
m
= 0,4235
a
01
= 8,03 m
20
= 4,25
a
11
= 230,75
a
20
= 816,5



21/34
Luego la recta de regresin ser: y 8,03= 0,4235 (x 28,5) y = 0,4235x 4,0373
11.- Se desea estudiar la repercusin que tienen los das de lluvia en la afluencia de
visitantes a una determinada actividad turstica; para ello se dispone de los siguientes datos medios:
Ao Das de lluvia al ao Miles de visitantes al ao
1994 26 80
1995 30 85
1996 35 100
1997 45 120
1998 55 150
1999 45 140
2000 20 60
2001 15 35
2002 28 60
2003 40 100
a) Obtenga la recta de regresin que mejor explique el nmero de visitas anuales en funcin de los
das de lluvia
b) Valore la bondad del ajuste, indicando s puede considerarse la lluvia como una variable
significativa para explicar la afluencia de pblico a la actividad turstica analizada
c) Calcule los ingresos previstos para el ao 2004 s los meteorlogos prevn 60 das de lluvia y la
entrada a la actividad cuesta 10 euros (Sep. 2004)
Solucin.-
Considerando las variables X = Das de lluvia al ao e Y = Miles de visitantes al ao, de
la tabla:
x
i
y
i
x
i
2
y
i
2
x
i
y
i

26 80 676 6400 2080
30 85 900 7225 2550
35 100 1225 10000 3500
45 120 2025 14400 5400
55 150 3025 22500 8250
45 140 2025 19600 6300
20 60 400 3600 1200
15 35 225 1225 525
28 60 784 3600 1680
40 100 1600 10000 4000
339 930 12885 98550 35485
obtenemos los momentos:
a
10
= 33,9
a
01
= 93 m
20
=139,29
a
11
= 3548,5 m
02
=1206
a
20
= 1288,5 m
11
=395,8
a
02
= 9855
a) La recta de regresin de Y/X:
( ) 9 , 33 x
29 , 139
8 , 395
93 y = y = 2,84x 3,33



22/34
b) El coeficiente de determinacin: R
2
=
( )
1206 29 , 139
8 , 395
2
0,93. Por lo tanto s que puede
considerarse la lluvia como una variable significativa para explicar la afluencia de pblico.
c) Haciendo x = 60 en el recta de regresin, se obtiene y = 167,1673, luego los ingresos
previstos seran de 1671,67 .
12.- Defina el concepto de Coeficiente de Correlacin Lineal de Pearson y su significado
(Sep 2004. Res)
Respuesta.-
Consideremos una variable bidimensional (X
i
, Y
i
), siendo X
i
la variable independiente
(exgena) e Y
i
la dependiente (endgena). Sea y = a+bx la recta de regresin de Y/X. Tenemos
entonces las tres varianzas:
S
2
Y
= m
02
, varianza de la variable Y
i
; S
2
Yt
= varianza de la variable a+bX
i
, (varianza explicada por
la regresin); S
2
rY
varianza de la variable Y
i
abX
i
, (varianza residual). Se demuestra que
S
2
Y
= S
2
Yt
+ S
2
rY

Llamamos coeficiente de determinacin R
2
a la proporcin (tanto por uno) de varianza
explicada que forma parte de la varianza de la variable:
R
2
=
2
Yt
2
Y
S
S

demostrndose que
2
2 11
20 02
m
R
m m
= y, obviamente, 0 R
2
1.
Llamamos coeficiente de correlacin al cociente:
R =
11
20 02
m
m m

cumplindose que 1 R 1. Si es 1 1, la varianza se compone exclusivamente de la varianza
explicada, es decir, la varianza residual es nula y el ajuste de la nube de puntos a la recta de
regresin es perfecto; si es cero entonces la varianza se compone exclusivamente de la varianza
residual y la ecuacin de regresin no es representativa.
13.- La siguiente tabla relaciona las ventas mensuales de una agencia de viajes mayorista (y
j
)
y el nmero de trabajadores contratados (x
i
) en distintos perodos de actividad (los meses que la
empresa tuvo 3 trabajadores contratados vendi, como media, 100.000 euros, cuando tuvo 4 vendi
125.000, etc.):
N de trabajadores
(x
i
)
Ventas en miles de euros (y)
3 100
4 125
5 150
6 160
7 170
a) Ajuste una recta que exprese una relacin causal entre ambas variables. b) Con la funcin
obtenida en el apartado anterior, estime las ventas mensuales de la empresa si su plantilla pasa a ser
de 9 trabajadores (Sep. 2004. Res)



23/34
Solucin.-
a) De la siguiente tabla.
N de
trabajadore
s
(x
i
)
Ventas en
miles de
euros
(y
i
) x
i
2
y
i
2
x
i
y
i

3 100 9 10000 300
4 125 16 15625 500
5 150 25 22500 750
6 160 36 25600 960
7 170 49 28900 1190
25 705 135 102625 3700
obtenemos los momentos
a
10
= 5
a
01
= 141 m
20
= 2
a
11
= 740 m
11
= 35
a
20
= 27
de donde la recta de regresin de Y/X:
y 141 = ( ) 5 x
2
35
y = 17,5x + 53,5
b) Haciendo x = 9 en la recta de regresin se obtiene y = 211 miles de euros.
14.- Una agencia de viajes ha comprobado experimentalmente que sus ventas (en miles de
euros por semana) estn relacionadas con el nmero de trabajadores disponibles para atender a la
clientela; dispone a tal fin de los siguientes datos:
N de trabajadores (X
i
) Ventas (Y
i
)
5 20
6 25
7 29
8 33
9 37
10 41
Ajstese la funcin que mejor exprese la relacin entre ambas variables y examnese su
potencial de prediccin. (Jun. 2005)
Solucin.-
De la representacin grfica de la nube de puntos:
19
24
29
34
39
4 6 8 10 12

deducimos que la funcin que mejor expresa la relacin entre ambas variables es una funcin lineal.
Ajustaremos pues la recta de regresin de Y/X.



24/34
De los clculos:
N de trabajadores (X
i
) Ventas (Y
i
) X
i
2
Y
i
2
X
i
Y
i

5 20 25 400 100
6 25 36 625 150
7 29 49 841 203
8 33 64 1089 264
9 37 81 1369 333
10 41 100 1681 410
45 185 355 6005 1460
deducimos los momentos:
a
10
= 7,5 m
1 1
= 12,08
a
01
= 30,83 m
20
= 2,917
a
11
= 243,33 m
02
= 50,139
a
2
= 59,17
a
02
= 1000,83

y de aqu obtenemos la ecuacin de la recta de regresin:
y = 4,143x 0,238
El coeficiente de determinacin R
2
=
02 20
2
11
m m
m
0,9984 nos indica que el potencial de prediccin
de la recta de regresin es elevado.
15.- Explique brevemente la teora de la correlacin y la teora de la regresin estadstica
entre variables. (Junio 2005. 2)
Respuesta.-
En el caso de distribuciones de dos o ms variables, la teora de la correlacin tiene por
objeto determinar las relaciones de dependencia estadstica y reflejarlas numricamente, esto es,
medir el grado de dicha dependencia.
La teora de regresin tiene por objeto determinar qu funcin (lineal, cuadrtica, logartmica,
exponencial,.) se ajusta mejor a los valores dados para explicar la dependencia estadstica.
16.- Una compaa quiere realizar un estudio sobre la influencia del gasto en I+D sobre sus
ventas. Para ello dispone de los siguientes datos sobre los ltimos aos;
Aos Gastos millones Ventas millones
1998 3,0 130
1999 3,3 155
2000 3,8 175
2001 4,2 210

a) Realice un grfico de dispersin.
b) Obtenga un modelo lineal que permita predecir las ventas a partir de los gastos en I+D.
Comente los resultados.
c) Prediga las ventas del 2002 sabiendo que el gasto en I+D ser de 4,5 millones.
d) Juzgue la bondad del modelo estimado. (Jun. 2005. 2)
Solucin.-
a) Representaremos la nube de puntos:



25/34
125
135
145
155
165
175
185
195
205
215
2,5 3 3,5 4 4,5
Gastos
V
e
n
t
a
s

b) Construimos la tabla:
Aos
Gastos
millones
Ventas
millones x
i
2
y
i
2
x
i
y
i

1998 3 130 9 16900 390
1999 3,3 155 10,89 24025 511,5
2000 3,8 175 14,44 30625 665
2001 4,2 210 17,64 44100 882
14,3 670 51,97 115650 2448,5
de donde obtenemos los momentos.
a
10
= 3,575
a
01
= 167,5 m
20
= 0,211875
a
11
= 612,125 m
02
= 856,25
a
20
= 12,9925 m
11
= 13,3125
a
02
= 28912,5
y de aqu la recta de regresin de Y/X:
y 167,5 = ( ) ) 575 , 3 x
212 , 0
31 , 13
y = 62,832x 57,124
c) La prediccin de ventas para el ao 2002 la obtendremos sustituyendo en la recta de
regresin, la x por 4,5, obtenindose unas ventas aproximadas de 225,62 millones de .
d) El coeficiente de determinacin resulta: R
2
=
02 20
2
11
m m
m
0,977, lo cual establece que la
ecuacin de la recta de regresin es suficientemente representativa.



26/34
(Sep 2005)

(Sep 2005. Res)

NMEROS NDICES (CAPTULO 6)

1) Los precios de un determinado bien en los cuatro aos 1999-2003 son, respectivamente,
11, 14, 20, 23 y 25 euros. Calcular los nmeros ndices simples de dicho precio tomando 1999 como
perodo base y el incremento anual de precios del citado bien. (Junio 2003)
Solucin.-
Aos Precios ndices
Incrementos
anuales
(en base al ao 1999)
1999 11 100
2000 14
14
100
11
= 127,27 27,27 %
2001 20
20
100
11
= 181,82 54,55%
2002 23
23
100
11
= 209,09 27,27%
2003 25
25
100
11
= 227,27 18,18%



27/34
2) Dados los siguientes datos de un ndice de precios, obtenga la serie homognea del ndice
en base 1988
Ao I. base
1988
I. base
1993
I. base
1997
1988 100
1989 150
1990 145
1991 154
1992 132
1993 165 100
1994 112
1995 106
1996 122
1997 140 100
1998 112
1999 114
2000 116
2001 118
2002 144
2003 155
(Junio 2003 reserva)
Solucin.-
Lo haremos en dos etapas:
- primero convertiremos los nmeros ndices en base 1997 a base 1993, multiplicando cada
ndice en base 1997 por 140 y dividindolo por 100
- y en segundo lugar convertiremos los nmeros ndices en base 1993 a base 1988,
multiplicando cada ndice en base 1993 por 165 y dividindolo por 100:

Ao I. base
1988
I. base
1993
I. base
1997
1988 100
1989 150
1990 145
1991 154
1992 132
1993 165 100
1994 184,8 112
1995 174,9 106
1996 201,3 122
1997 231 140 100
1998 258,72 156,8 112
1999 263,34 159,6 114
2000 267,96 162,4 116
2001 272,58 165,2 118
2002 332,64 201,6 144
2003 358,05 217 155



28/34

3) Indique las principales propiedades de los nmeros ndices.
(Junio 2004, 2 semana)
Respuesta.- Veanse las unidades didcticas.
4) Defina el concepto de nmero ndice, precisando, en particular, el concepto de ao
base. Ponga un sencillo ejemplo de nmero ndice con 5 datos.( Junio 2006. 2 semana)
Respuesta.-
Dada una serie de valores, por ejemplo anuales, de una determinada magnitud (precios,
cantidades, etc) un ndice simple se obtiene dividiendo cada valor por
el de un determinado ao que se toma como base. As pues, para cada
ao, el ndice toma un valor. Si el cociente mencionado se multiplica
por 100, el ndice correspondiente al ao base ser 100.
En el ejemplo adjunto se ha construido un ndice para una
determinada magnitud de valores anuales x
t
, tomando el ao 2001
como base:

5) Defina el concepto de Nmero ndice, indicando su clasificacin y principales
propiedades (Septiembre 2006)
Respuesta.-
Un ndice simple para una determinada magnitud es el cociente (generalmente multiplicado
por 100) entre el valor de esa magnitud en el periodo actual y el valor en un periodo que se toma
como base.
Un ndice complejo para un conjunto de magnitudes es, generalmente un promedio de ndices
simples de esas magnitudes, pudiendo ser ponderado o no.
Las principales propiedades que pueden cumplir los ndices son: existencia, identidad,
inversin, proporcionalidad, homogeneidad y propiedad circular.
6) Defina el ndice de Laspeyres e indique si lo considera adecuado para elaborar ndices de
precios tales como el IPC. Por qu lo considera o no lo considera adecuado? (Septiembre 2006
Reserva)
Respuesta.-
El ndice de precios de Laspeyres se calcula mediante la frmula L
P
= 100
q p
q p
n
1 i
0 i 0 i
n
1 i
0 i it
=
=
, donde
p
i0
y p
it
son los precios del producto i-simo respectivamente en el periodo base y en el periodo
corriente y q
i0
es la cantidad del producto i-simo el periodo base.
Es adecuado para calcular el IPC por razones prcticas pues, para cada periodo slo es
necesario calcular los precios p
it
en el periodo corriente.

SERIES TEMPORALES (CAPTULO 7)
1) Enumere y describa brevemente los componentes de las series temporales y mencione las
hiptesis de trabajo ms habituales para relacionar las mismas a fin de que resulte el dato observado.
Respuesta.- Son cuatro:
-Tendencia (T): evolucin de la serie a largo plazo.
- Fluctuacin cclica (C): fluctuaciones de la tendencia a corto y medio plazo.
- Variacin estacional (S): comportamiento regular y repetitivo a lo largo de un ao.
- Fluctuaciones irregulares (I): fluctuaciones irregulares o aleatorias.
Ao x
t

I
t
= 100
x
x
0
t

2001 436 100,00
2002 450 103,21
2003 460 105,50
2004 475 108,94
2005 480 110,09



29/34
La asociacin de las cuatro componentes para que resulte el dato observado Y, puede ser:
Aditiva: Y = T + C + S + I
Multiplicativa: Y = TCSI
Combinacin de ambas: p. ej. Y = T + C + SI
2) Describa los componentes de una serie temporal y sus posibles asociaciones (Sep. 2003,
res)

3) Obtener, por el mtodo de los momentos y realizando un cambio
de variable, la tendencia de la serie temporal adjunta (Sep. 2003, res)

Solucin.- Efectuaremos el correspondiente clculo de los momentos
y representaremos la tendencia por la lnea de regresin mnimo-cuadrtica:

Aos x
i
y
i
x
i
2
x
i
y
i

1992 1 50 1 50 a
10
= 6
1993 2 60 4 120 a
01
= 78
1994 3 65 9 195 a
11
= 518,91
1995 4 70 16 280 a
20
= 46
1996 5 75 25 375
1997 6 75 36 450
De donde obtenemos la recta de regresin
y = 5,09x + 47,45
1998 7 80 49 560 m
20
= 10
1999 8 85 64 680 m
11
= 50,91
2000 9 90 81 810
2001 10 100 100 1000
2002 11 108 121 1188
66 858 506 5708

Representada grficamente:
y = 5,09x + 47,45
40
50
60
70
80
90
100
110
0 2 4 6 8 10 12

4. Explique el concepto de desestacionalizacin de una serie temporal (Junio 2005, 2)
Respuesta.-
Aos Ventas
1992 50
1993 60
1994 65
1995 70
1996 75
1997 75
1998 80
1999 85
2000 90
2001 100
2002 108



30/34
La variacin que presenta una serie temporal es el resultado de cuatro componentes que estn
presentes en cada uno de los valores de la serie, a saber, la tendencia, la componente estacional, la
componente cclica y la componente irregular. Desestacionalizar una serie consiste en determinar,
mediante la construccin de un ndice, cul es la componente estacional para, a continuacin,
eliminar de cada valor de la serie dicha componente. Si la asociacin de las cuatro componentes
tiene carcter aditivo, la desestacionalizacin se har restando la correspondiente componente
estacional; si la asociacin tiene carcter multiplicativo, la desestacionalizacin se har dividiendo
por la componente estacional.
5) Explique en qu consisten las variaciones estacionales de una serie temporal. Proponga un
ejemplo de variacin estacional y enumere los mtodos que se utilizan para analizarlas. (Sep. 2005)
6) Defina variacin estacional de una serie temporal y explique qu diferencia existe entre
variacin estacional y variacin cclica. Asimismo, indique qu variaciones estacionales son ms
importantes para el anlisis del sector turstico y seale cmo se denomina al procedimiento por el
que se descuentan las variaciones estacionales y los mtodos que se utilizan para ello. (Junio
2006)
Respuesta.-
Variaciones estacionales de una serie temporal son las oscilaciones peridicas que se
producen, de periodo inferior a un ao.
Variaciones cclicas son aquellas oscilaciones de periodo superior a un ao.
Variaciones estacionales importantes en el sector turstico pueden ser por ejemplo la distinta
afluencia de turistas en verano o en invierno, oscilacin del nmero de visitantes a museos u otras
atracciones tursticas entre semana o en fines de semana, etc.
El procedimiento por el que se descuentan las variaciones estacionales se denomina
desestacionalizacin y los dos mtodos ms importantes que se utilizan para ello son el del
porcentaje promedio y el del porcentaje promedio mvil.
7) Defina los componentes de una serie temporal. (Junio 06, 2)
Respuesta.-
Son cuatro:
- componente secular o tendencia que viene determinada por la evolucin de la serie a largo
plazo;
- componente estacional, determinada por las variaciones peridicas de periodo igual o
inferior a un ao;
- componente cclica, determinada por las variaciones peridicas no regulares de la serie, de
periodo superior al ao;
.-componente irregular determinada por las oscilaciones ocasionales que se producen de
forma aleatoria.
8) Explique el concepto de desestacionalizacin de una serie temporal. (Sep. 06 res)
Respuesta.-
Es el proceso por el cual eliminamos de los valores de la serie temporal el contenido
estacional. Existen diversos mtodos para desestacionalizar una serie, siendo dos de los ms
sencillos el del porcentaje promedio y el del porcentaje promedio mvil.

PROBABILIDAD (CAPTULO 8)
1.- Defina y caracterice un experimento aleatorio. (Sep 04)
Respuesta.-
Es aquel que, repetido en idnticas condiciones, no siempre proporciona el mismo resultado.
Por ejemplo, extraer una bola de una bolsa que contiene 10 bolas numeradas del 1 al 10.
Las caractersticas que debe tener el experimento para considerarse aleatorio son:



31/34
- Puede repetirse indefinidamente bajo las mismas o parecidas condiciones.
- Pueden conocerse los posibles resultados pero no se puede saber cual se producir si
no se realiza el experimento.
- La frecuencia relativa de un resultado al repetir indefinidamente el experimento,
tiende a estabilizarse.
2.- Indique y explique la denominada Regla de Laplace sobre la probabilidad y su relacin
con la ley del azar .(Sep 04 res y Sep 05 res)
Respuesta.-
La regla de Laplace proporciona la probabilidad de un suceso A de un espacio muestral finito
E para el que pueda suponerse que los sucesos elementales son equiprobables. En tal caso,
P(A) =
E. de posibles casos de Nmero
A de favorables casos de Nmero

Es posible que puedan suponerse equiprobables los sucesos elementales (lanzamiento de un
dado, lanzamiento de una moneda) y sin embargo exista contradiccin con la ley del azar (puede
ser que al lanzar un nmero creciente de veces una moneda aparentemente equilibrada, la frecuencia
relativa del nmero de caras no se estabilice alrededor del 0,5, si no de otro valor, a causa de algn
defecto inapreciable).
3.- Indique las diferencias entre experimentos o fenmenos determinsticos y aleatorios. (Jun.
05 y Jun 06)
Respuesta.-
Un experimento es de carcter determinstico cuando al repetirlo en idnticas condiciones da
siempre el mismo resultado y de carcter aleatorio cuando al intentar reproducirlo en las mismas
condiciones no siempre se obtiene un mismo resultado. Ejemplos: si unimos en laboratorio dos
partes de hidrgeno y una de oxgeno en ciertas condiciones siempre obtendremos agua (es un
experimento determinstico), pero si se repite un partido de ftbol entre dos equipos con los mismos
jugadores no siempre se obtiene el mismo resultado (es un experimento aleatorio).
4. Explique en qu consiste la denominada Ley del Azar o Ley de la Regularidad Estadstica.
(Sep 05)
Respuesta.-
La frecuencia relativa de un suceso aleatorio tiende hacia un nmero fijo, cuando el nmero
de veces que se repite el experimento aumenta indefinidamente.

5.- Qu inters tiene en estadstica la distribucin normal de probabilidad? Qu significa
tipificar o reducir esta distribucin? (Sep 06)
Respuesta.-
Entre las distribuciones de las variables aleatorias, la ms frecuente es la denominada
distribucin normal, cuya funcin de densidad es la campana de Gauss. En teora de muestras,
para muestras grandes (n30) e independientemente de cmo se distribuya la variable, la media
muestral sigue aproximadamente una distribucin normal.
Una variable aleatoria X que se distribuya de forma normal est caracterizada por su media
y su desviacin tpica . Tipificar tal variable consiste en restarle la media y dividir por la
desviacin tpica, construyndose otra variable Z =
X
que se denomina tipificada, que tiene por
media 0 y por desviacin tpica 1.



32/34
INFERENCIA ESTADSTICA (CAPTULO 9)
1) Seale las condiciones que debe cumplir un muestreo probabilstico y las ventajas que
aporta este tipo de muestreo. (Junio 2003)
Respuesta.-
Podemos leer en el texto base:
Un muestreo es probabilstico si cumple las siguientes condiciones:
1. Se conoce la poblacin objeto de estudio y es posible tener enumerados inequvocamente
todos sus elementos; si ello es as, es posible obtener un conjunto de muestras S
1
, S
2
, ... S
n
e indicar
con precisin las unidades de muestreo que pertenecen a cada una de ellas.
2. A cada elemento de la poblacin puede asignrsele una probabilidad de seleccin P
i

conocida y mayor de cero de estar en cada posible muestra, S
i
.
3. La seleccin de una determinada muestra S
i
, debe llevarse a cabo por procedimientos
aleatorios.
Entre las ventajas que aporta este tipo de muestreo puede sealarse que las muestras
aleatorias son las nicas que son estadsticamente representativas, es decir, las nicas que permiten
obtener conclusiones de tipo probabilstico, infiriendo resultados, con un determinado grado de error
y nivel de confianza, sobre las caractersticas de las poblaciones investigadas.
2) Describa brevemente los diferentes tipos de muestreo no probabilstico que conozca.
(Junio 2003 reserva)
Solucin.-
- El muestreo sin norma o muestreo de conveniencia, es decir, dejando a la comodidad del
encuestador la eleccin de los entrevistados, de forma que en dicha seleccin prime la rapidez y la
reduccin de coste. Ejemplos de este mtodo seran: el profesor que para realizar una investigacin
elige a su clase como muestra porque es la que le resulta ms accesible; elegir los 80 primeros
cuestionarios; entrevistar en la calle a quin pase, buscar colaboraciones voluntarias, etc. Con estos
procedimientos se busca informacin rpida y con un coste mnimo. Se utiliza en la primera fase del
estudio para determinar si merece la pena iniciar una investigacin con muestreo aleatorio.
- El muestreo opintico o subjetivo, en el que el propio responsable de la investigacin o un
grupo de expertos, (muestreo segn criterio de expertos), deciden la forma de escoger los
elementos de la muestra y su composicin.
- El diseo de bola de nieve, empleado para localizar unidades de difcil localizacin o sobre
las que se carece a priori de informacin; en este muestreo se trata de localizar una unidad
poblacional o muestral, por ejemplo una empresa partidora y envasadora de almendras, y pedirle
informacin para localizar a otra unidad con las mismas o parecidas caractersticas.
- El muestreo por cuotas, en el que se le dan a los entrevistadores unas cuotas, de edad o
sexo de los individuos o de tamao y grupo de actividad de las empresas, dejndole mayor o menor
grado de libertad para que seleccionen las unidades muestrales en campo.
El muestreo por cuotas puede hacerse relativamente aleatorio mediante procedimientos como
el random route por el cual se le obliga al encuestador a seguir una determinada ruta (situado en la
puerta del Ayuntamiento de un determinado pueblo, tmese la primera calle a la izquierda y
entrevstese la primera vivienda de la acera de la derecha, tmese posteriormente la segunda calle a
la izquierda y entrevstese la segunda vivienda de la acera derecha, etc.).
3) Defina los conceptos estadsticos de poblacin, marco estadstico, muestra e individuo o
unidad estadstica. (Sep 03)
Respuesta.-
Poblacin: Conjunto de elementos que cumplen una determinada caracterstica (ej.:
clientes de un hotel en una determinada fecha).



33/34
Individuo o Unidad de investigacin. Cada uno de los elementos de la Poblacin (ej.:
personas, edificios, oficinas, hoteles, campos de golf, etc.).
Muestra: Cualquier subconjunto de individuos pertenecientes a una poblacin
determinada.
Marco estadstico. Es el conjunto de informacin (ficheros, listados, etc.) que permite
identificar a todos los individuos de la poblacin. Es la base informativa que empleamos para
seleccionar la muestra. En el marco estadstico no siempre est contenido todo el universo (por las
omisiones, duplicaciones, unidades mal clasificadas, etc.)
4) Defina las principales ventajas e inconvenientes de una operacin muestral frente a una
operacin censal. (Sep 03 res)
Respuesta.-
Ventajas: - Supone un considerable ahorro de tiempo y de recursos
- puede mejorar la exactitud de la medicin pues es posible preparar mejor al personal,
al ser en menor nmero que para una operacin censal;
Inconvenientes:
- no es til cuando se necesita informacin de todos los elementos de la poblacin (por
ejemplo para determinar impuestos a individuos o sociedades por parte de Hacienda)
5) Seale los tipos de muestreo probabilstico que conozca y explique muy brevemente en
qu consisten. (Jun 04)
Respuesta.-
Muestreo aleatorio simple con o sin reposicin. La muestra se obtiene unidad a unidad.
Todas las unidades tienen la misma probabilidad de ser seleccionadas. No importa el orden de
eleccin.
Muestreo estratificado. La poblacin se agrupa en estratos con caractersticas similares. La
probabilidad de que un individuo sea seleccionado depender del estrato al que pertenezca.
Muestreo por conglomerados o reas. Dividimos la poblacin en grupos heterogneos de
individuos (conglomerados), normalmente reas geogrficas. nicamente se estudia una muestra de
conglomerados. Dentro del conglomerado se analizan todas las unidades del mismo.
Muestreo bietpico. En una primera etapa seleccionamos los conglomerados y en una
segunda etapa elegimos aleatoriamente una muestra dentro de los conglomerados.
Muestreo polietpico. Generalizacin a n etapas del procedimiento anterior.
Muestreos especiales. Como por ejemplo la tcnica de estimacin de pesca y repesca
(p. ej. la estimacin del nmero de animales en un determinado espacio por el sistema de captura y
recaptura, marcando los animales de una primera muestra, y una vez mezclados con toda la
poblacin se vuelve a coger una segunda muestra) o la tcnica de respuesta aleatorizada (cuando los
encuestados estn inclinados a negarse a contestar o a distorsionar la realidad dado el carcter
personal de las preguntas).
6) Defina el concepto de acuracidad en una inferencia estadstica (Jun 04 2)
Respuesta.-
La acuracidad en un proceso de muestreo representa la proximidad de los clculos
estadsticos a los valores verdaderos o exactos de la poblacin. El grado de acuracidad o de acierto
de una estimacin es algo que siempre ser desconocido, ya que desconocemos los verdaderos
valores de los parmetros.
7) Indique los factores con los que est relacionado el tamao de la muestra en una
operacin estadstica por muestreo (Sep 04)



34/34
Respuesta.-
-El tipo de muestreo empleado: para cada tipo de muestreo existe una expresin distinta para
calcular el tamao de la muestra con la que efectuar las estimaciones con un determinado grado de
error.
- La dispersin o varianza de la variable que se investiga. Cuanto mayor sea la dispersin,
mayor tendr que ser el tamao de la muestra.
- La fiabilidad mnima que se desee conseguir (nivel o coeficiente de confianza).
- Sin embargo, no depende del tamao de la poblacin.
8) Indique las diferencias entre un muestreo aleatorio simple con reemplazamiento y un
muestreo aleatorio simple sin reemplazamiento (Sep 04 res)
Respuesta.-
En el muestreo con reemplazamiento, las unidades muestrales se eligen de una en una y se
devuelven a la poblacin una vez anotadas.
En el muestreo sin reemplazamiento, las unidades, se eligen de la misma forma que en el
muestreo con reemplazamiento, pero no se reintegran a la poblacin.
9) El 10% de los espaoles que viajaron al extranjero durante el ao 2004 prefirieron no
contratar ningn seguro de viaje. Reflexione acerca de cmo pudo llegarse a esta conclusin: qu
tipo de estudio estadstico se utiliz?, se trabaj con una muestra o con una poblacin?. (Jun 06)
Respuesta.-
A esta conclusin pudo llegarse sin duda como resultado de una encuesta realizada a cierto
nmero individuos (una muestra) elegidos entre la poblacin total de espaoles que viajaron al
extranjero en 2004. El parmetro a estimar en este caso fue la proporcin poblacional, estimada
mediante la proporcin muestral.
10) Explique la diferencia entre los muestreos probabilsticos y los no probabilsticos;
indique un tipo de muestreo no probabilstico. (Jun 06 2)
Respuesta.-
Los muestreos probabilsticos se caracterizan porque las unidades muestrales se seleccionan
al azar, mediante un procedimiento aleatorio, mientras que en los muestreos no probabilsticos la
muestra no se extrae por procedimientos aleatorios.
Un tipo de muestreo no probabilstico es por ejemplo el muestreo por cuotas, en el que se le
dan a los entrevistadores unas cuotas, de edad o sexo de los individuos o de tamao y grupo de
actividad de las empresas, dejndole mayor o menor grado de libertad para que seleccionen las
unidades muestrales en campo.

Complet A

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Complet A

Uploaded by

Copyright:

Available Formats

UNED. ELCHE. e-mail: imozas@elx.uned.

. Calculemos entonces la media y

You might also like