Serie de tiempo o cronolgico

Las series de tiempo nos permiten conocer el comportamiento de una variable a la

cual vamos a llamar Y Yi a travs del tiempo, el tiempo puede ser aos, horas,
minutos, segundos etc.
Qu nos permiten adems la serie de tiempo? Adicional a lo anterior, nos permite
hacer predicciones para planificar u organizar.
Cunto se estar cobrando en el 2016 a diciembre?
Aos
2004
05
06
07
08
09
10
11
12
13
14
15
16
N = 12

Yi

t
12
14
13
15
15
21
21
21
21
26
33
37
X
249

t2

t 2 Yi

-66
-63
-45.5
-37.5
-22.5
-10.5
10.5
31.5
52.5
91
148.5
203.5

30.25
20.25
12.25
6.25
2.25
0.25
0.25
2.25
6.25
12.25
20.25
30.25

363
283.5
159.25
93.75
33.75
5.25
5.25
47.25
131.25
318.5
668.25
119.25

915.06
410.06
150.06
39.06
5.06
0.06
0.06
5.06
39.06
150.06
410.06
915.06

292.50

143.25

3,228.25

3,038.72

Yit
-5.5
-4.5
-3.5
-2.5
-1.5
-0.5
0.5
1.5
2.5
3.5
4.5
5.5
6.5

Diagrama de esparcimiento o nube de puntos

t4

Yc= A+B (t) Ecuacin recta

2 parmetros ejemplos:
1. a= {yi = 249= 20.75
n 12
2. b= {yit = 292.50 = 2.05
{t2 143
Yc = 20.75+2.05 (t)
Yc2007= 20.75 + 2.05 (-2.5) = 15.63
Yc2015= 20.75 + 2.05 (5.5) = 32.02
Yc2016= 20.75 + 2.05 (6.5) = 34.08
Qu es la recta de ajuste de esparcimiento?
Nos seala la direccin que sigue el diagrama de esparcimiento o nube de puntos
Ecuacin de la parbola = Yc = a+b (t) + c (t)2.
3 parmetros ejemplos:
1. a = yi c (t2)
n
2. b = yi t
t2
3. c = n t2 yi (t2) (yi)
n (t4 ) (t2)2

3. c= 12 (3228.25) (143) (249)= 3132 = 0.196 = 0.2

12 (3038.72) (143)= 16015.64
2. b= 292.50 = 2.05
143
1. a= 249-0.2(143) = 18.37
12

yc= 18.37+2.05(t)+0.2(t)
Se calculan todos los (t) para hacer una lnea que ha de quedar como una.
2005 = 18.37 + 2.05 (-4.5) + 0.2 (-4.5)2

2011 = 18.37 + 2.05 (1.5) + 0.2 (1.5)2

= 18.37 9.22 + 0.2 (20.25)

= 18.37 + 3.1 + 0.45

= 18.37 9.22 + 4.05

= 21.92 = 22

= 13.2 = 13
2006 = 18.37 + 2.05 (-3.5) + 0.2 (-2.5)2

2012 = 18.37 + 2.05 (2.5) + 0.2 (2.5)2

= 18.37 7.2 + 2.45

= 18.37 + 5.12 + 1.25

= 14.5 = 14

= 24.74 = 25
2

2007 = 18.37 + 2.05 (-2.5) + 0.2 (-2.5)2

2013 = 18.37 + 2.05 (3.5) + 0.2 (3.5)

= 18.37 5.12 + 1.25

= 18.37 + 7.2 + 2.45

= 14.5 = 14.5

= 28.02 = 28

2008 = 18.37 + 2.05 (-1.5) + 0.2 (-1.5)2

2014 = 18.37 + 2.05 (4.5) + 0.2 (4.5)2

= 18.37 3.1 + 0.45

= 18.37 + 9.22 + 4.05

= 15.72 = 16

= 31.64 = 32

2009 = 18.37 + 2.05 (-0.5) + 0.2 (-0.5)2

2015 = 18.37 + 2.05 (5.5) + 0.2 (5.5)2

= 18.37 1.02 + 0.05

= 18.37 + 11.3 + 6.05

= 17.4 = 17

= 35.72 = 36

2010 = 18.37 + 2.05 (0.5) + 0.2 (-0.5)2

2016 = 18.37 + 2.05 (6.5) + 0.2 (6.5)2

= 18.37 + 1.02 + 0.05

= 18.37 + 13.32 + 8.45

= 19.44 = 19

= 40.14 = 40

Prctica
a)
b)
c)
d)
e)

Dibuje el diagrama de esparcimiento

Encuentre la escala de t
Encuentre la ecuacin de la parbola
Dibuje la parbola
Con la ecuacin encuentre los impuestos para el ao 2016.

Ao
2009
2010
2011
2012
2013
2014
2015
n= 7

yi
41.5
42.2
45.2
46.5
47.4
49.4
50.8
323

t
-3
-2
-1
0
1
2
3

yit
- 124.5
- 84.4
- 45.2
0
47.4
98.8
152.4
44.5

Diagrama de esparcimiento.

t2
9
4
1
0
1
4
9
28

t2 yi
-373.5
-168.8
-45.2
0
47.4
197.6
457.2
115.2

t4
81
16
1
0
1
16
81
196

Ecuacin de la recta.
1. a) yi = 323 = 46.14
n
7
2. b) yit = 44.5 = 1.59
{t2 28
Yc = 46.14 + 1.59 (t)
Yc2011 = 46.14 + 1.59 (-1) = 44.55
Yc2015 = 46.14 + 1.59 (3) = 50.91
Yc2016 = 46.14 + 1.59 (4) = 52.5
Ecuacin de la parbola.
1. a) yi c (t2)
n
2. b) yit
t2
3. c) n t2yi (t2) (yi)
n (t4) - (t2)2

3. c = 7 (115.2) (28) (323) = 8237.6 = 14.01 = 14.0

7(196) (28)2
588
2. b = 44.5 = 1.59
28
1. a = 323 14.01 (28) = 9.90
7

Yc = 9.90 + 1.59 (t) + 14.07 (t)

2009 = 9.90 + 1.59 (-3) + 14.01 (-3)2
= 9.90 4.8 + 14.01 (9)
= 9.90 4.8 + 126.09
= 131.19 = 131
2010 = 9.90 + 1.59 (-2) + 14.01 (-2)2
= 9.90 3.2 + 14.01 (4)
= 9.90 3.2 + 56.04
= 62.74 = 63
2011= 9.90 + 1.59 (-1) + 14.01 (-1)2
= 9.90 1.6 + 14.01 (1)
= 9.90 1.6 + 14.01
= 22.31 = 22

2012 = 9.90 + 1.59 (0) + 14.01 (0)2

5

= 9.90 0 + 14.01 (0)

= 9.90 0 + 0
= 9.90 = 10
2013 = 9.90 + 1.59 (1) + 14.01 (1)2
= 9.90 1.59 + 14.01 (1)
= 9.90 1.59 + 14.01
= 25.5 = 26
2014 = 9.90 + 1.59 (2) + 14.01 (2)2
= 9.90 3.2 + 14.01 (4)
= 9.90 3.2 + 56.04
= 69.14 = 69
2015 = 9.90 + 1.59 (3) + 14.01 (3)2
= 9.90 4.8 + 14.01 (9)
= 9.90 4.8 + 126.09
= 140.79 = 141
2016 = 9.90 + 1.59 (4) + 14.01 (4)2
= 9.90 6.4 + 14.01 (16)
= 9.90 6.4 + 224.16
= 240.46 = 240

Escoger la mejor funcin

6

Escoger la mejor funcin varianza de regresin: nos ayuda a escoger la mejor

funcin o regresin para con ella hacer suposiciones o inferencias hacia el futuro.
Luego del clculo de las varianzas se escoge la ecuacin cuya varianza es la
menor, ya que dicho valor nos est diciendo que la ecuacin es la ms exacta, es
decir se acerca ms a la realidad expuesta. Con dicha ecuacin se trabaja para
encontrar las suposiciones o inferencias con la ecuacin cuya varianza es la ms
pequea.
Aos
2004
05
06
07
08
09
10
11
12
13
14
15

Yi

t
12
14
13
15
15
21
21
21
21
26
33
37

Ycr
-5.5
-4.5
-3.5
-2.5
-1.5
-0.5
0.5
1.5
2.5
3.5
4.5
5.5

Ycp

9.5
11.5
13.6
15.6
17.7
19.7
21.8
23.8
25.9
27.9
30
32.0

13.1
13.2
13.6
14.5
15.7
17.4
19.5
21.9
24.8
28.0
31.7
35.7

Yi-Ycr
114
161
176.8
234
265.5
413.7
457.8
499.8
543.9
725.4
990
1,184

YcR = a + b (t)
Recta Yc = 20.75 + 2.5 (t)
Ycp = a + b (t) + c (t)2
Parbola Yc = 18.37 +2.05 (t) + 0.196 (t)2

yi2 = (yi - yc)2 = 9.29 , 5.05 = es ms chica la varianza

nm
12.2 12.3

Anlisis de regresin

Yi-Ycp
157.2
184.8
176.8
217.5
235.5
365.5
409.5
459.9
520.8
728
1,046.1
1,320.9

Disminucin en X producen disminuciones en Y.

Si el coeficiente es negativo la relacin entre las variables es indirecta por lo tanto
la inclinacin es hacia abajo lo que quiere decir que aumentos en X producen
disminuciones en Y, disminuciones en X producen aumentos en Y.

= n (xi yi) (xi) (yi)

n (xi)2 - n (yi)2 (yi)2
Cuando el coeficiente de correlacin est muy cerca de 1 hay una estrecha
relacin entre las variables, cuando el coeficiente de correlacin se aleja de 1 no
existe ninguna relacin entre las variables.
= 0.2 No hay relacin.
= 0.98 Hay una estrecha relacin.

Anlisis de regresin propiamente dicha

Anlisis de regresin

Gasto yi
Ingresos xi
Estas nunca deben separarse

Lineal: Yc = (a) + (b) (x)

Parbola: Yc = a + b (x) + c (x)2
4 mtodos para despejar ecuaciones determinantes, sustraccin, exclusin.
Regresin lineal:
a= (X12) (Yi) (Xi) (XiYi)
n (Xi2) - (Xi)2
b= n (XiYi) (Xi) (Yi)
n (Xi2) (Xi)2
El coeficiente de correlacin lineal:
Nos indica la relacin que existe entre las variables, este adquiere valores que van
de -1 a +1 el signo de coeficiente estar dado por el parmetro b de la ecuacin
lineal e indica que tipo de pendiente o inclinacin tiene la recta. Cuando el
coeficiente tiene signo + positivo la relacin entre las variables es directa sea
aumenta en X produce aumento en Y.

a = (xi2) (yi) (xi) (xiyi)

n (xi2) (xi)2
a = (4,538) (1,220) (212) (25,948)
10 (4,538) (44,944)
9

a = 5536,360 5, 500,976 = 35,384 = 81.16

45,380 44,944
436
b = n (xi.yi) (xi) (yi)
n (xi2) (xi)2
b = 10 (25,948) (212) (1,220)
10 (4,538) (44,944)
b = 259,480 258,640 = 840 = 1.93
45,380 44,944
436
= n (xi.yi) (xi ) (yi)
n (xi2) (212)2 n (yi2) (yi)2
= 10 (25,948) (212) (1220)
10 (4,538) (212)2 10 (150,892) (1,220)2
= 25,948 25,864
4,538 44,944 1508.92 14884
= 0.84
4489862 1486891.08
= 0.84
= 0.84 = 0.67
1531789.7 1.24

Probabilidades

10

Definiciones bsicas de la teora de probabilidad:

Espacio muestral: el espacio muestral se seala (S) es el conjunto que contiene
todos los resultados distintos posibles de un experimento aleatorio o al azar, a
cada elemento del espacio muestral se le denomina punto muestral y el nmero
de puntos mustrales de un espacio muestral se lo indica como n (S) ejemplo:
* En la tirada de una moneda el espacio muestral contiene dos resultados posibles
S = { c,s } n (s) = 2.
* Lanzamiento de un dado comn da como resultado S = {1,2,3,4,5,6} n (S) = 6.
* Lanzamiento de 2 monedas S = { cc,ss,cs,sc } n (S) = 4.
El evento se seala (E) el evento un subconjunto o parte del espacio muestral
constituido por puntos mustrales el nmero de puntos mustrales de un evento
se seala como m (E) ejemplo: en el experimento el lanzamiento de dos monedas.
Seale el evento. Aparicin de por lo menos 1 cara (E)= { cs,sc,cc } m (E)=3.
Definicin clsica de probabilidad: si un experimento puede producir n resultados
diferentes, mutuamente excluyentes y todos igualmente probable y si de estos
resultados son considerados favorable al evento entonces la probabilidad de un
f
resultado favorable es igual P (E) = n

P (E) =

m(e)
n(s)

Ejemplo: En el lanzamiento de un dado cual es la probabilidad de obtener un 5

P (E) = f/n=1/6
Ejemplo: una urna contiene 52 bolas de las cuales 13 son blancas 13 son rojas 13
son azules y 13 son negra. Se extrae un abola de la urna. Cul es la probabilidad
de que la bola roja.
P (bola sea roja)=13/52
Que no sea roja P (no rojas)=39/52.
Sacamos una carta de un mazo de 52 y obtenemos o queremos obtener la
probabilidad de que la carta se AS.
P (as) = 4/52 / P (negra) = 26/52
Acciona: es una verdad que no necesita ser probada.
1. La probabilidad de todo el espacio muestral es igual a 1 P(S)=1.
2. La probabilidad de un conjunto vaco es 0. P(0)=0.
3. La probabilidad de todo evento es un numero entre 0 y 1 0 < P(E) <1.
11

Reglas de clculo probabilstico

12

Regla 1: la regla especial de la adicin, tiene dos sucesos o eventos es E1 y E2

son mutuamente excluyentes la probabilidad de la unin de los dos eventos es
igual a la suma de sus respectivas probabilidades. P(E1 U E2)= P (E1) + P (E2).
Regla 2: se denomina regla general de la adicin la probabilidad de a unin de dos
sucesos o eventos E1 y E2 es igual a la suma de sus probabilidades menos la
probabilidad de su intercesin. P(E1 U E2)= P(E1)+P(E2)-P(E1 y E2).
Regla 3: se denomina regla especial de la multiplicacin esta regla se aplica en
sucesos independientes, se dice que 2 ms sucesos son independientes
cuando no tiene ninguna relacin entre si es decir que la ocurrencia de 1 no afecta
la ocurrencia de otro. Si E1 y E2 son independientes la probabilidad de que se den
E1 y E2 es igual al producto de sus probabilidades independientes. P (E 1 E2) = P
(E1) x P (E2).

Regla 4: regla general de la multiplicacin y se aplican a los eventos

dependientes. La probabilidad de que un estudiante de aduana apruebe el
examen parcial de estadstica es de 0.5 y de que apruebe el examen final es igual
a 0.4 cul es la probabilidad de que el estudiante apruebe el examen parcial o el
final y cul es la probabilidad de que apruebe ambos.
P (parcial o final) = P (parcial) + P (final) / P (parcial y final) = P (parcial) x P (final)
0.5
+
0.4
0.5 x
0.4

Probabilidades
4 reglas bsicas dos de la adicin y dos de la multiplicacin.
Adicin + (A o B) / Multiplicacin (A y B).
13

Regla general adicin: que los eventos son mutuamente excluyente este u otro
que sus probabilidad no tienen relacin.
Regla especial de multiplicacin: 1 especial: es solamente para sucesos
independientes, 2 general: son independientes. Ejemplos:
Se extrae una carta de un mazo de 52 cartas Cul es la probabilidad de que la
carta extrada sea un As una cocada.
a) P (un As o una cocada)
P (As) + P (cocada)
4/52 + 13/52 1/52
b) P (una carta negra o una K)= 26/52 + 4/52 2/52
c) P (As o Reina ) = 4/52 + 4/52
Una urna contiene dos bolas blancas y tres azules se sacan sin reemplazo y
sucesivamente dos bolas. Cul es la probabilidad de que ambas sean blancas.
P (Blanca y Blanca)
2/5 x 1/4
Cul es la probabilidad de que una familia con dos hijos tenga por lo menos un
varn.
0.5 nia / 0.5 nio
P (por lo menos 1 varn) = P (nia y nio) + P (nio y nia) + (nio y nio)
0.5 x 0.5
0.5 x 0.5
0.5 x 0.5

Distribucin de probabilidad

Existen 2 tipos de variables en estadstica:

Variables Continuas
Variables Discretas
14

Continuas son aquellas que surgen de media y entre 1 y otro valor pueden adquirir
infinito valores en otras palabras las variables continuas aquellas que puede
dividirse en decimales ejemplo: estatura, peso, temperatura, salario y gastos etc.
Las variables discretas son aquellas que surgen de enumerar o contar y adquieren
un valor y solo uno sea no pueden tener decimales. Las distribuciones de
probabilidad que tratan a las variables continuas son la distribucin normal y la
distribucin T de student y las distribuciones variables que trata a la discreta la
binomial y la poisson.
Caractersticas de la distribucin normal:
a. La variable es continua.
b. Existe independencia estadstica es decir un evento no afecta la
probabilidad del otro.
c. La muestra (n) es grande.
d. La distribucin normal tiene forma de campana.
e. Sus extremos no tocan el eje horizontal o eje de la variable.
f. La media aritmtica se ubica en el centro de la distribucin.
g. La distribucin es simtrica al rea bajo la curva esta en cada
probabilidades sea que una mitad vale 0.5 y la otra 0.5.
Ejemplo: La estatura de una poblacin tiene una media aritmtica igual a 173 cm
y una desviacin estndar de 6 cm seleccionamos dentro de esta poblacin una
muestra de 200 personas. Cuantas personas debern esperar que midan.
a.
b.
c.
d.

Ms de 178 cms.
Menos de 170 cms.
Entre 175 y 180 cms.
Entre 170 y 175 cms.

0.5

Z= X-U
G

0.5

15

Ejemplo: La estatura de una poblacin tiene una media aritmtica igual a 173 cm
y una desviacin estndar de 6 cm seleccionamos dentro de esta poblacin una
muestra de 200 personas. Cuantas personas debern esperar que midan.
a.
b.
c.
d.

Ms de 178 cms.
Menos de 170 cms.
Entre 175 y 180 cms.
Entre 170 y 175 cms.

n = 200 personas
M = 173 cm
= 6 cm

Z=X-M

Que es Z es una variable auxiliar a la variable que estamos tratando a una variable
estandarizada.

Caractersticas de la distribucin binomial

Las condiciones bajo las cuales aplicamos una distribucin binomial son las
siguientes.
a) La variable es discreta

16

b) El resultado de cada experimento puede clasificarse dentro de las

categoras, una denominada xito cuya simbologa es P, y la otra
denominada fallo cuya simbologa es q.
c) Cada experimento es independiente de los dems.
d) La probabilidad de xito sea p es la misma para cada prueba.
e) El experimento se realiza un nmero determinado de veces este nmero n
que es igual al tamao de la muestra. Ese tamao de muestra ser
pequeo y finito.
B (x,n,p) = nCx px qn-x / nCr =

n!
( nr ) ! r !

4! = 4x 3x 2x 1
5! = 5x 4x 3x 2x 1
Ejemplos: Supongan que el 70% de los empleados de una compaa son
propietario de casa Cul es la probabilidad de que una muestra aleatoria de 20
empleados contengan 15 propietarios.
x = 15
n = 20
p = 0.70
q = 0.30

B (15, 20, 0.70) = 20C15 0.70 0.35 = .1789 x 20

Supngase que el 10 % de las partes que produce una maquina automtica que
detecta errores en los bultos guardados en la aduana estn defectuosas, si toma
al azar una muestra de 20 partes Cul es la probabilidad de que la muestra
contenga lo ms 3 defectuosa Cul es la probabilidad de que la muestra
contenga por lo menos 3.

17

p = 0.10
a) 1 P (0,1,2)
q = 0.90
1 - .6770
n = 20
a) x= 0,1,2,3
b) x= de 3 a 20
b) B (0 1 2 3, 20, 0.10) = 20C0 (0.100) (0.9020-0)
1
20-1
)
20C1 (0.10 ) (0.90
2
20-2
)
20C2 (0.10 ) (0.90
3
20-3
)
20C3 (0.10 ) (0.90

0.867

Bibliografa
1. KAZMIER, leonar/DAZ, Alfredo: Estadstica aplicada a la administracin
y a la Economa editorial Mc Graw Hill, Mxico.
18

2. MENDENHAL/REINMUTH: estadstica para administracin y economa

editorial iberoamericana 1981.
3. LEVIN, Richard/RUBIN, David: Estadstica para administradores editorial
Prentice hall.
4. ANDERSON, Sweeney, WILLIAMS: Estadstica para administracin y
economa editorial thompon.
5. LIN, Douglas/MASON, Robert D: estadstica para administracin y
economa editorial Mc Graw Hill.
6. PEREZ, CESAR: Estadstica aplicada a travs de Excel editorial Prentice
Hall.
7. BERK, KENNETH/CAREY, Patrick: Anlisis de daros con Microsoft Excel
editorial Thompson.
8. CONTRALORIA GENERAL DE LA REPUBLICA: ndice de precio al
consumidor ndice de precio al por mayor. Panam en cifras.

19