1 INTRODUCCIÓN 1.- Estadística: concepto, contenido y relaciones2.- Fases de la investigación estadística. 2.1.- Análisis descriptivo. 2.2.- Modelización 2.3.-Inferencia. 3.- Tipo de datos estadísticos 3.1.-Según la naturaleza Causales o determinísticos. Aleatorios. Con repetición Sin regularidad estadística.

2 INTRODUCCIÓN 3.2.- Descripción numérica. 3.2.1.- CualitativasOrdinales Cuantitativas. 3.3.- Según las características observadas. Multidimensionales Unidimensionales 3.4.-Según el período de tiempo. Atemporales. Temporales o cronológicas. 4.- Fuentes Estadísticas. 5.- Representación gráfica.

3 ANÁLISIS DE DATOS UNIDIMENSIONALES1.-Medidas de posición. 1.1.-Media. Propiedades 1.2.-Mediana. Datos sin agrupar. Datos agrupados. 1.3 Cuartiles, deciles, centiles. 1.4.-Moda Datos sin agrupar Datos agrupados en intervalos. Intervalos de la misma amplitud Intervalos de distinta amplitud

4 ANÁLISIS DE DATOS UNIDIMENSIONALES2.- Medidas de dispersión. 2.1.- Varianza, desviación típica y cuasivarianza. 2.2.-Coeficiente de variación. 3.- Medidas de forma. 3.1.- Coeficiente de Asimetría 3.2.-Coeficiente de Curtosis. 4.-Variables tipificadas. 5.- Medidas de concentración 5.1.-Índice de Gini. 5.2.- Curva de Lorenz

5 ANÁLISIS DE DATOS MULTIDIMENSIONALES1.- Representación de datos multidimensionales 2.- Distribuciones conjuntas, marginales y condicionadas. Independencia estadística. 3.- Vector de valores medios y matriz de varianzas-covarianzas. 4.- Coeficiente de correlación. 5.- Asociación y concordancia.

6 REGRESIÓN 1.- Regresión mínimo cuadrática. El caso lineal1.1 Obtención del los parámetros a y b 1.2 Recta de regresión mínimo-cuadrática 1.3 Media y varianza de la variable regresión. 1.4 La variable error o residuo. Media y varianza 1.5 Incorrelación entre la variable regresión y residuo 2. Análisis de la bondad de un ajuste. 2.1 ECM 2.2 Coeficiente de determinación.

7 TASAS DE VARIACIÓN Y NÚMEROS ÍNDICE2. Números Índice: clasificación. 3. Índices de precios y cantidades. 4. Cambio de base, renovación y enlace. 5. Deflactación de series económicas.

8 TASAS DE VARIACIÓN Y NÚMEROS ÍNDICEVARIACIÓN ABSOLUTA TASA DE VARIACIÓN RELATIVA

9 TASAS DE VARIACIÓN Y NÚMEROS ÍNDICETASA MEDIA DE VARIACIÓN TASA MEDIA ANUAL ACUMULATIVA

10 CLASIFICACIÓN NÚMEROS INDICESIMPLES COMPLEJOS NO PONDERADOS PONDERADOS

11 CLASIFICACIÓN NÚMEROS INDICEMEDIA ARITMÉTICA SIMPLE COMPLEJOS NO PONDERADOS MEDIA AGREGATIVA SIMPLE

12 CLASIFICACIÓN NÚMEROS INDICEMEDIA ARITMÉTICA PONDERADA COMPLEJOS PONDERADOS MEDIA AGREGATIVA PONDERADA

13 CLASIFICACIÓN NÚMEROS INDICEPRECIOS CANTIDADES SIMPLE SAUERBERCK Media aritmètica BRADSTREET-DUDOT(media agregativa) LASPEYRES (media agregativa ponderada) PAASCHE (media agregativa ponderada

14 Alumnado universitario en España. 1960-1999.Curso Alumnos Índice Tasa de variación anual , 1,3% ,4 4,4% ,4 6,7% ,0 4,1% ,8 11,9% ,8 10,0% ,9 12,0% ,4 8,5% ,5 7,6% ,3 5,8% ,8 2,8% ,2 3,2% ,9 9,4% ,7 12,1% ,0 0,5%

15 Cuadro 1: Alumnado universitario en España. Curso Alumnos Índice Tasa de variación anual ,6 6,4% ,0 15,0% ,9 9,5% ,4 16,9% ,8 -2,4% ,4 -2,4% ,5 -1,3% ,6 3,2% ,7 3,3% ,2 7,5% ,0 5,9% ,6 8,4% ,9 5,6% ,2 7,4% ,0 5,9% ,7 6,4%

16 Cuadro 1: Alumnado universitario en España. Curso Alumnos Índice Tasa de variación anual ,6 4,3% ,7 6,0% ,3 6,9% ,4 5,2% ,2 6,4% ,5 4,2% ,7 3,1% ,5 1,1% ,1 0,9% Fuente: Hasta , Anuario de Estadística Universitaria 1993/1994. Desde hasta , Estadística Universitaria del curso (Datos provisionales). Desde hasta , Web del Instituto Nacional de Estadística.

17 SERIES TEMPORALES 1. Definición de serie temporal2.Componentes de una serie temporal 2.1 Tendencia 2.2 Estacionalidad 2.3 Ciclo 2.4 Variaciones irregulares 3. Análisis de la tendencia 3.1 M.C.O 3.2 Cambio de origen de una ecuación de tendencia. 3.3 Cambio de base de una ecuación de tendencia 4. Desestacionalización

18 MODELOS DE PROBABILIAD UNIVARIANTESIncertidumbre y probabilidad. 1.1 Experimentos y sucesos aleatorios 1.2 Noción de probabilidad: 1.2.1 Probabilidad de Laplace o Clásica 1.2.2 probabilidad frecuencial 1.2.3 Probabilidad axiomática 1.3 Probabilidad condicionada e independencia de sucesos 1.4 Teorema de la Probabilidad total 1.5 Teorema de Bayes

19 MODELOS DE PROBABILIAD UNIVARIANTES2.Definición de variable aleatoria 2.1 Variable aleatoria discreta 2.2 Variable aleatoria continua 3. Distribuciones discretas y continuas 3.1 Función de cuantía 3.2 Función de densidad 3.3 Función de distribución 4. Esperanza y varianza 5. Desigualdad de Chebychev 6. Función característica.

20 MODELOS DE PROBABILIAD UNIVARIANTESPROBABILIDAD AXIOMÁTICA A.1 0P(A) 1 A.2 P()=1 A.3 P(Ai)=P(Ai) T.1 P( )=1-P(A) T.2 P()=0 T.3 ABP(A)P(B) T.4 P(A B)=P(A)+P(B)-P(AB) T.5 P(AB)=P(A)P(B) T.6 P(A/B)= P(AB)/P(B)

21 MODELOS DE PROBABILIDAD UNIVARIANTESTeorema de la Intersección P(AB)=P(A/B).P(B) P(B/A).P(A) Si A y B son independientes P(AB)= P(A).P(B)

22 MODELOS DE PROBABILIDAD UNIVARIANTESTeorema de la probabilidad total Sea A1,A2,...,An donde Ai son disjuntos. Sea BP(B)=P(B/Ai).P(Ai)

23 MODELOS DE PROBABILIDAD UNIVARIANTESTeorema de Bayes Sea A1,A2,...,An donde Ai son disjuntos. Sea B Se conoce P(B/Ai) P(Ai/B)=P(AiB)/P(B)= =P(B/Ai).P(Ai)/P(B/Ai).P(Ai)

24 MODELOS ESPECÍFICOS UNIVARIANTESclic 1.-Bernouilli 2.- Binomial 3.-Poisson 4.-Uniforme 5.-Exponencial 6.-Normal 7.-Convergència: -Binomial –Poisson Poisson-Normal

25 Modelos especificos univariantes Bernouilli

26 Modelos específicos univariantes

27 Modelos específicos univariantes

28 Simeon Poisson más sobre PoissonHaz clic

29 Modelos específicos univariantes Uniforme

30 Modelos específicos univariantes

31 Modelos específicos univariantes Normal

32 Carl Fiedrich Gauss Más imágenes de Gauss Más sobre Gauss

33 Modelos Multivariantes1. Vectores aleatorios y distribuciones de probabilidad bidimensionales. 2. Distribución conjunta. Funciones de distribución, de probabilidad o de cuantía y de densidad. 3. Distribuciones marginales. 4. Distribuciones condicionadas. Independencia estocástica. 5. Vector de valores medios y matriz de varianzas-covarianzas. Propiedades. El coeficiente de correlación. 6. Extensión multidimensional y notación matricial. 7. Transformaciones lineales.

34 Modelos Multivariantes Específicos1.    La distribución multinomial. 2.    La distribución normal multivariante. 2.1 Estudio del caso bidimensional: distribución conjunta, marginal y condicionada. 2.2 Independencia 2.3 Incorrelación 2.4 Transformaciones lineales. 3. Distribuciones derivadas de la Normal 4. Reproductividad de algunas distribuciones.

35 Distribución Multinomialn pruebas ; k resultados

36 Distribución Binormal

37 Distribución BinormalDistribuciones Marginales Distribuciones condicionadas

38 Distribución BinormalTransformaciones lineales de variables normales 1) 2)X1, X2 son variables Normales X1~N(1,21) X2~N(2,22) Distribución de Y=X1+X2 Si X1 e X2 son independientes Si X1 e X2 no son independientes