MEDIDAS ESTADISTICAS BIVARIANTES

PRESENTADO POR:
DELSY JAZMIN JARAMILLO CASTILLO_ 46.371.170
ROXANA ESPERANZA JIMENEZ PÉREZ_ 1.050.522.781
YERALDIN FIGUEROA ALVAREZ_ 1.001.590.983

PRESENTADO A:
LUZ HELENA HERNANDEZ
TUTORA DE ESTADISTICA DESCRIPTIVA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESTADISTICA DESCRIPTIVA
31/ 05/ 2014
 INTRODUCCIÓN

El presente trabajo está relacionado con el estudio de los capítulos 5 y 6 del módulo
de estadística descriptiva sobre las medidas estadísticas bivariantes y los números
índice.
En las medidas estadísticas bivariantes tratamos temas relacionados con regresión
y correlación, diagrama de dispersión, regresión lineal simple, correlación y
regresión múltiple. Con respecto a los números índice se hace el estudio de temas
como construcción de los números índice, tipos de números índice, y el uso de los
números índice.
Los anteriores temas nos permitirán estudiar el comportamiento de dos variables,
en pro de determinar si existe alguna relación entre si y de cuantificar dicho grado
de relación.
 OBJETIVOS

General
Realizar el estudio sobre las medidas estadísticas bivariantes y los números índice.

Específicos
- Interpretar y manejar los conceptos de regresión y correlación.
- Identificar la diferencia entre los índices simples y los complejos.
- Plantear ejercicios sobre los temas de medidas estadísticas bivariantes y
números índice.
MEDIDAS ESTADISTICAS BIVARIANTES

REGRESIÓN Y CORRELACIÓN

REGRESIÓN: Es un método que se emplea para pronosticar o predecir el valor de

una variable en función de los valores dados de la otra (o de las otras, cuando se
trabaja más de dos variables). la mejor línea que se ajusta a un conjunto de puntos
es aquella en donde la suma de los cuadrados de las diferencias entre los valores
reales y los estimados en mínima.

CORRELACIÓN: Para determinar el grado de correlación entre variables, existe el

coeficiente de correlación al cuadrado; sin embargo, se utiliza un coeficiente de
correlación rectilíneo, r siendo este un valor entre -1 y 1.

DIAGRAMA DE DISPERSIÓN

Es un gráfico que muestra la intensidad y el sentido de la relación entre dos variables

de interés.

A este conjunto de punto o nube de puntos de le denomina diagrama de

dispersión, dado que los puntos se ubican de forma dispersa en el plano
cartesiano.
Figura
Graficas de dispersión
(a) Lineal; (b) curvilínea; (c) son relación
REGRESIÓN LINEAL SIMPLE

Es la dependencia funcional entre dos variables restringiendo una de ellas respecto

a la otra. Cuando se trata de dos variables, la X sera la variable independiente y la
Y sera la variable dependiente Se habla así de una regresión de Y sobre (o en
función de) X.

La ecuación de la recta estimada está dada por:

ECUACIONES

En esta ecuación hay dos valores desconocidas: a y b, que deben determinarse

aplicando el criterio de los mínimos cuadrados, buscando así la mejor recta que se
ajuste a los datos. Se tiene entonces:

Algunos autores calcular los valores de a y b en términos de las medias de de los

conjuntos de datos con las siguientes dos ecuaciones:
Ejercicio.

El colegio la presentación desea saber si existe una relación entre las

calificaciones de los estudiantes del grado 10 del año 2013 (X) y los estudiantes
de 10 del 2014 (Y). Para ello toma una muestra de los nueve mejores estudiantes.
La siguiente tabla muestra los resultados.

Relación de los estudiantes de grado 10 – 2013 y 10 – 2014

Estudiantes Grado Estudiantes Grado

10- 2013 10- 2014
X Y
82 93

50 66

67 75

70 45

81 47

91 82

96 99

88 90

60 58

a. Estime los coeficientes de regresión y la línea de regresión lineal.

Estudiantes Estudiantes
Grado 10- 2013 Grado 10- 2014 XY X2
X Y
 82 93 7626 6724
50 66 3300 2500
67 75 5025 4489
70 45 3150 4900
81 47 3807 6561
91 82 7462 8281
96 99 9504 9216
88 90 7920 7744
60 58 3480 3600
685 655 51274 54015

Media aritmética

_ n
X= Ʃ i =1 xi = 685 = 76.1
n 9

_ n
Y= Ʃ i=1 xi = 655 = 72.7
n 9

_ _
b= Ʃ (x – x) (y- y) = (685 – 76.1) (655 – 72.7) = 354562.47 = 0.95
_
Ʃ (x – x)² (685 -76.1)² 370759.21

_ _
a = y – bx = 72.7 – (0.95) (76.1) = 0.405

La ecuación de la recta ajustada está dada por:

Ẏ = a + bx

Ẏ = 0.95x +0.405

CORRELACIÓN
 Figura
Grafica de dispersión lineal
(a) Positiva; (b) negativa

Grado de correlación que existe entre 2 variables y se calculan con los coeficientes
de correlación números que varían entre +1 y -1 de este depende el grado de
asociación entre ellas si es 0 no existe relación alguna y los valores extremos +1 y
-1 indican una correlación + o – .

Correlación lineal positiva entre dos variables: si al aumentar o disminuir los

valores de la variable independiente aumentan o disminuyen los de la variable
dependiente.

Correlación lineal negativa entre dos variables: cuando al aumentar los valores
de la variable independiente disminuyen los valores de la variable dependiente, o
viceversa.

Para determinar el coeficiente de correlación, es necesario conocer primero el error

estándar del estimado de la recta ajustada se calcula a partir de la siguiente
ecuación.
Luego de hallar el error estándar medimos las variaciones mediante el:

Coeficiente de determinación (R²)

R² = 1_ Se²
s²y

Dónde:

R²: Coeficiente de determinación, 0 ≤ R² ≤ 1

Se²: Varianza del error estimado.
s²: Varianza de la variable dependiente Y.
y

Cuando el R² es cercano a 1, se dice que el modelo de regresión linealajustado

tiene un alto grado de confiabilidad,

Grado de correlación lineal

Ejemplo.

Se = Ʃ Y² - a Ʃ Y – b Ʃ XY = 810- (1.93)(71)-(0.86)(780.4) = 0.55

n–2 8–2

ƩY² _ 810
s²y = Y² = -- 10.50² = 5.46
n 7

R² = 1 _ Se² = 1 _ 0.55 = 0.100 r= R² = 0.31

s²y 5.46

REGRESIÓN MULTIPLE

Se realiza el mismo procedimiento de una regresión lineal simple: se debe describir

la ecuación de regresión, determinar el error de estimación y analizar la correlación
entre las variables.

La ecuación esa dada por:

Ẏ = a + b1 x1 + b2 x2

Ẏ: Variable dependiente.
a: Intercepto de la variable y
x1, x2: Valores de las dos variables independientes.
b1, b2: Pendientes asociadas con cada variable independiente, respectivamente.
Los valores de las tres constantes numéricas se obtienen resolviendo el siguiente
sistema de ecuaciones:

Ʃ Y = na + b1 Ʃ x1 + b2 Ʃ x2
Ʃ x1 Y =Ʃa x1 + b1Ʃ x² +Ʃb2
1
x1 x2

Ʃ X2Y = aƩ x2 + b1Ʃ x1 x2 + b2Ʃ 2

x²

Se determina el error estándar de la estimación de regresión múltiple:

Y el coeficiente de determinación múltiple, estará dado por:

Dónde:
Y: valores de la variable dependiente
a: Intercepto de la variable Y
X1, X2: Valores de las dos variables independientes
b1, b2: Pendientes asociadas con cada variable independiente, respectivamente.
y: Media de los valores de la variable independiente.

Ejercicio.

En la empresa de Argos desea estimar los gastos indirectos de beneficios que se

cancelan a los empleados por realizar bien su trabajo con base en el número de
empleados y el número de beneficios que reciben cada uno. En la siguiente tabla
se relaciona la información correspondiente al segundo semestre del año 2013.

X1: Número de empleados

X2: Número de beneficios

Y: Gastos de pagados a los empleados en el segundo trimestre del 2013,

equivalente en pesos.

Utilizando para ello datos de estas tres variables proporcionadas por contabilidad
de la empresa. Del segundo semestre del año 2013.

MES X1 X2 Y X1.Y X2.Y X1.X2 X1² X2² y²

JULIO 15 9 5 75 45 135 225 81 25
AGOSTO 12 6 7 84 42 72 144 36 49
SEPTIEMBRE 15 11 9 135 99 165 225 121 81
OCTUBRE 30 13 16 480 208 390 900 169 256
NOVIEMBRE 9 5 3 27 15 45 81 25 9
DICIEMBRE 33 18 11 363 198 594 1089 324 121
TOTAL 114 62 51 1164 607 1401 2664 756 541

51= 6 a + 114b1 + 62b2 (1)

1164= 114 a + 2664b1 + 1401b2 (2)
607= 62 a + 1401b1 + 756b2 (3)

Ecuación (1) multiplicada por 62/6 y restada por la ecuación (3):

525.3 = 62 a + 1174.2b1 + 638.6b2

- 607 = - 62 a – 1401b1 – 756b2

- 81.7= -226.8b1 – 117.4b2 (4)
 Se despeja la variable b1 de la ecuación (4).

b1 = 81.7 – 117.4b2
226.8

Ecuación (1) multiplicada por 114/6 y restada por la ecuación (2):

969= 114 a + 2166b1 +1178b2

- 1164= -114 a – 2264b1 – 1401b2

- 195= - 98b1 – 223b2 (5)

Variable b1 reemplazada en la ecuación (5):

81.7 – 117.4b2 + 223b2 b2 = 0.91

195 = 98 226.8

b2 reemplaza en la ecuación (4):

81.7 – 117.4b2 = 0.15

b1 = 226.8

b1 y b2 reemplazada en la ecuación (1):

a= 51 – 114b1 – 62b2 = - 20.83

6
Se obtiene así la ecuación de regresión múltiple:

Ẏ = a + b1 x1 + b2 x2 Ẏ = - 20.83 + 0.15 x1 + 0.91 x2

NUMEROS DE INDICE

Los números índice son cifras relativas expresadas en términos de % que sirven
para indicar variaciones tomadas como punto de referencia y a la cual se le
denomina base, tenemos los índices simples, índices compuestos y estos a su vez
se clasifican en agregativos y de promedios.

CONSTRUCCION DE NUMEROS INDICES

Un número índice se tomó el valor de la serie como base y se establece un cociente

entre el valor y la variable a estudiar y el valor de la variable base y se expresa en
%.
Se puede obtener bases fijas y bases variables para establecer comparaciones. La
base fija representa el mismo periodo de referencia o de comparación para toda la
serie.

𝑋1
𝐼 𝑡0 = 𝑥100%
𝑋0

Dónde:

𝐼0𝑡 = índice

0 = periodo base

r = periodo que se analiza

𝑋𝑡 = precio, cantidad o valor del periodo que se investiga

𝑋0 = precio, cantidad o valor del periodo considerado como base

Los índices son de base variable cuando a cada observación se le divide por el valor
de la observación inmediatamente anterior.

Los índices son de base variable cuando a cada observación se le divide por el valor
de la observación inmediatamente anterior

𝑡
𝑋1
𝐼𝑡−1 = 𝑥 100%
𝑋𝑡−1

Donde:

𝑡
𝐼𝑡−1 = índice

𝑡− 1 = Periodo base

r = periodo que se analiza

𝑋𝑡 = precio, cantidad o valor del periodo que se investiga

𝑋0 = precio, cantidad o valor del periodo considerado como base

TIPOS DE NUMEROS DE INDICES

Se utiliza el índice de precios al consumidor conocido este es el que mide el cambio

de todos los precios respecto, este índice se emplea para definir el costo de vida.
Se encuentra el índice de cantidad este se encarga de medir la variación de las
cantidades de bienes en un periodo, el índice de valor mide cambios en valor
monetario total.

INDICES SIMPLES

Los índices simples los utilizamos para la observación su base puede ser fija o
variable cuando medimos la variación de un fenómeno observado a través de una
serie de periodos, los índices simples son los más adecuados.
Ejemplo 1: tomando como referencia la tabla 1.

Determine los índices simples de cantidad de las tres mercancías consideradas el

año 2010, usando 2003 como año base
25.0
De la leche = 17.0 ∗ 100 = 147

4.7
Del pan = 5.0 ∗ 100 = 94

3.5
De los huevos = ∗ 100 = 120.6
2.9

Ejemplo 2: determine los índices simples de precios para el año 2010 de las tres
mercancías consideradas, usando como año base 2003:

Precios y consumo de tres mercancías en un área metropolitana

Tabla 1

Mercancía Unidad de Precio Precio Consumo Consumo

cotización 2003 2010 2003 2010
Leche Litro 1.11 1.35 17.0 25.0
Pan Pieza de una 0.98 1.05 5.0 4.7
libra
Huevos Docena 0.75 1.15 2.9 3.5
1.35
De la leche = ∗ 100 = 121.6
1.11

1.05
Del pan = ∗ 100 = 107.1
0.98

1.15
De los huevos = 0.75 ∗ 100 = 153.3

INDICES COMPUESTOS

Determina una condición particular, se construye a partir de un grupo de series de

tiempo, concernientes a varios artículos se trata de examinar el valor no de un
artículo, sino de un grupo de ellos respecto a otro considerado de más importancia.
Son muchas las fórmulas para calcular índices ponderados, los más conocidos son
los de Laspeyres, Paashe, Fisher, Keynes, Marshall, Edgeworth, Walsh, Drobisch y
Sidgwick.

INDICE DE LASPEYRES DE PRECIOS

Es la relación al comparar precios actuales de un grupo de artículos con los precios

de esos mismos artículos considerados en el periodo base manteniéndose
constante como ponderación las cantidades del periodo base.

𝑡
Índice de Laspeyres 𝐿𝐼 0 = X 100

Donde:

L = índice de Laspeyres

𝑡
𝐼𝑡−1 = índice de precios

𝑃𝑡 = precio de los artículos en el periodo que se investiga

𝑃0 = precio de los artículos en el periodo base

𝑄0 =cantidad de los artículos en el precio base

También se puede representar así el índice de Laspeyres de cantidad:

𝑡
𝐿𝐽0 =

Dónde:

L = índice de Laspeyres

𝑡
𝐽𝑡−1 = índice de cantidad

𝑃0 = precio de los artículos en el periodo base

𝑄0 = precio de los artículos en el periodo base

𝑄𝑡 = cantidad de los artículos en el periodo que se investiga

INDICE DE PRECIOS DE PAASHE

Es la relación que existe entre los precios actuales de un grupo de artículos, con los
precios de ellos en el periodo base manteniéndose constante las ponderaciones
que corresponden a las cantidades de dichos artículos para el periodo que se
investiga

Índice de Paashe 𝑃𝐼0𝑇 = x 100

Dónde:

P = índice de paashe

𝑡
𝐼𝑡−1 = índice de precios

𝑃𝑡 = precio de los artículos en el periodo que se investiga

𝑃0 = precio de los artículos en el periodo base

𝑄𝑡 = cantidad de los artículos en el periodo que se investiga.

Para indicar las variaciones en las cantidades, el índice de cantidad de

Paashe señala:

índice de Passhe
 Índice de cantidad

Precio de los artículos en el periodo que se investiga

Cantidad de los artículos en el periodo base

Cantidad de los artículos en el periodo que se investiga

INDICE DE PRECIOS DE FISHER

Promedio geométrico, que se define como la raíz cuadrada del producto del índice
de laspeyres por el de paashe

F𝐼0𝑡 =

Dónde:

F = índice de Fischer.

𝑡
𝐹𝑡−1 = índice de precios

𝑃0 = precio de artículos en el periodo base

𝑃𝑡 = precio de los artículos en el periodo que se investiga

𝑄0 = cantidad de los artículos en el periodo base

𝑄𝑡 = cantidad de los artículos en el periodo que se investiga

INDICE DE CANTIDAD DE FISCHER

Índice ideal de Fisher =

Donde FISHER:

F = índice de Fischer

𝑡
𝐼𝑡−1 = índice de precios

𝑃0 = precio de artículos en el periodo base

𝑃𝑡 = precio de los artículos en el periodo que se investiga

𝑄0 = cantidad de los artículos en el periodo base

𝑄𝑡 = cantidad e los artículos en el periodo que se investigo

Se calcula así:

Índice de Laspeyres= X 100

Dónde:
= precios en el año actual
= cantidades vendidas en el año base
P° = precio en el año base
Ejemplo:

Calcular el índice agregado de precios de Laspeyres para el año 2010 de las tres
mercancías tabla 1, usando como base el año 2003.

Mercancía
Leche 22.95 ($) 18.87($)
Pan 5.25 4.9
Huevos 3.33 2.17
total 31.53($) 25.94

31.53
I= ∗ 100 = 136.9
25.94

Se calcula así:

Índice de Paashe= x 100

Dónde:

= precios en el periodo actual

=cantidades en el periodo actual

P ° =precios en el periodo base

Ejemplo:

Calcule el índice agregado de precios paashe para el año 2010 de las tres
mercancías de la tabla 1, usando como base el año 2003.

Mercancía
Leche 33.5($) 27.75($)
Pan 4.93 4.60
Huevos 4.02 2.62
Total 42.45($) 34.97($)

42.45
I= ∗ 100 = 121.3
34.97

Se calcula así:

Índice ideal de Fisher=

Ejemplo tomando como base los resultados anteriores

Índice de Laypeyres = 136.9

Índice de Paashe = 121.3

16605.97
𝐼𝑛𝑑𝑖𝑐𝑒 𝑖𝑑𝑒𝑎𝑙 𝑑𝑒 𝐹𝑖𝑠ℎ𝑒𝑟 = √ = 128.8
USO DE LOS NUMEROS INDICES

Los números índices tienen especial importancia en la vida económica de un país

es común escuchar términos como índice de precios al consumidor (IPC). Índice
de pérdida de poder adquisitivo, índice de importación o exportación, etc.

CALCULO DE SALARIO Y DEL INGRESO

Salario real → SR = salario nominal ($)

-------------------------- x 100
IPC

Ingreso real → IR = ingreso nominal ($)

----------------------------- x 100
IPC

Ejemplo:

Un empleado de laboratorio ganaba en agosto de 2013 $550.000 y en el mes de

febrero del 2014 aumentaron su salario en $89.000 más. Los IPC para los mismos
meses y años fueron: 3200 y 4700 respectivamente se quiere saber si con el
reajuste que se hizo se mejoró su salario con relación al anterior.

Se calcula primero el IPC de cada año respecto al 2013.

IPC 2013 3200 IPC 2013 4700

2013 = ----------- x 100% = 100 2014 = ------------ x 100% = 146.87
3200 3200

El salario real para febrero del 2014 es:

639000
SR = ----------------- x 100 = 435078
146.87
El empleado solo está recibiendo el equivalente a $ 435078 de los $ 550000 que
recibía.

PODER DE COMPRA O PODER ADQUISITIVO O VALOR DEL DINERO

1
Poder de compra → PA = -------- x 100
IPC

𝐼0
Índice de poder adquisitivo → IPA = -------- x 100

Donde
𝐼𝑡
Índice de precios al consumidor considerados considerado como
periodo de referencia.
Índice de precios al consumidor considerado como periodo que se
investiga.

Ejemplo

Determinar el poder de compra y el índice de poder de compra para febrero de

2014 respecto a agosto de 2013

1
PA = ---------- x 100 = 0,68
146.87

3200
IPA = --------------- x 100% = 68.08 %
4700

PORCENTAJE DE DESVALORIZACION
 𝐼
% de desvalorización = 100 [1 − 𝐼0 ]
𝑡

Ejemplo:

Hallar el porcentaje de desvalorización para el ejemplo anterior.

3200
% de desvalorización =100 [1 − 4700] = 31.91%

PORCENTAJE DE VARIACION Y DE EVALUACION

𝑇
% de variación = 100 [𝑇1 − 1]
0

𝑇
% de evaluación = 100 [1 − 𝑇0 ]
1
Donde:

Valor de la moneda de referencia

Valor de la moneda que se quiere cambiar.

Devaluación: Es entendida como la pérdida del valor de una moneda en relación

con las monedas extranjeras.
 CONCLUSIONES

 Con el desarrollo de este trabajo se aprendió que la regresión y la correlación

son Las medidas que nos permitirán estudiar el comportamiento de dos
variables, para determinar si existe alguna relación entre sí y cuantificar dicho
grado de relación.

 comprendimos que número índice es una medida estadística que permite

estudiar las fluctuaciones o variaciones de una magnitud o de más de una en
relación al tiempo o al espacio.

 Los números índice son un método estadístico que nos ayudan para hacer
comparaciones entre un año y otro y entre una variable o un conjunto de
variables.
 BIBLIOGRAFIA

Ortegón. M, F (2010). Modulo estadística descriptiva_ UNAD