INTRODUCCIÓN 1.- Estadística: concepto, contenido y relaciones 2.- 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 3.1.1.- Causales o determinísticos. 3.1.2.- Aleatorios. 3.1.2.1.- Con repetición 3.1.2.2.- Sin regularidad estadística.

INTRODUCCIÓN 3.2.- Descripción numérica. 3.2.1.- Cualitativas 3.2.2.- Ordinales 3.2.3.- Cuantitativas. 3.3.- Según las características observadas. 3.3.1.- Multidimensionales 3.3.2.- Unidimensionales 3.4.-Según el período de tiempo. 3.4.1.- Atemporales. 3.2.4.- Temporales o cronológicas. 4.- Fuentes Estadísticas. 5.- Representación gráfica.

ANÁLISIS DE DATOS UNIDIMENSIONALES 1.-Medidas de posición. 1.1.-Media. Propiedades 1.2.-Mediana. 1.2.1.-Datos sin agrupar. 1.2.2.- Datos agrupados. 1.3 Cuartiles, deciles, centiles. 1.4.-Moda 1.4.1.- Datos sin agrupar 1.4.2.- Datos agrupados en intervalos. 1.4.2.1.- Intervalos de la misma amplitud 1.4.2.2.- Intervalos de distinta amplitud

ANÁLISIS DE DATOS UNIDIMENSIONALES 2.- 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

ANÁLISIS DE DATOS MULTIDIMENSIONALES 1.- 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.

REGRESIÓN 1.- Regresión mínimo cuadrática. El caso lineal 1.1 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.

TASAS DE VARIACIÓN Y NÚMEROS ÍNDICE 2. Números Índice: clasificación. 3. Índices de precios y cantidades. 4. Cambio de base, renovación y enlace. 5. Deflactación de series económicas.

TASAS DE VARIACIÓN Y NÚMEROS ÍNDICE VARIACIÓN ABSOLUTA TASA DE VARIACIÓN RELATIVA

TASAS DE VARIACIÓN Y NÚMEROS ÍNDICE TASA MEDIA DE VARIACIÓN TASA MEDIA ANUAL ACUMULATIVA

CLASIFICACIÓN NÚMEROS INDICE SIMPLES COMPLEJOS NO PONDERADOS PONDERADOS

CLASIFICACIÓN NÚMEROS INDICE MEDIA ARITMÉTICA SIMPLE COMPLEJOS NO PONDERADOS MEDIA AGREGATIVA SIMPLE

CLASIFICACIÓN NÚMEROS INDICE MEDIA ARITMÉTICA PONDERADA COMPLEJOS PONDERADOS MEDIA AGREGATIVA PONDERADA

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

Alumnado universitario en España. 1960-1999. Curso Alumnos Índice Tasa de variación anual 1959-60 170.602 100, 1,3% 1960-61 178.062 104,4 4,4% 1961-62 189.982 111,4 6,7% 1962-63 197.849 116,0 4,1% 1963-64 221.411 129,8 11,9% 1964-65 243.541 142,8 10,0% 1965-66 272.772 159,9 12,0% 1966-67 295.879 173,4 8,5% 1967-68 318.235 186,5 7,6% 1968-69 336.628 197,3 5,8% 1969-70 346.027 202,8 2,8% 1970-71 356.956 209,2 3,2% 1971-72 390.559 228,9 9,4% 1972-73 437.908 256,7 12,1% 1973-74 440.196 258,0 0,5%

Cuadro 1: Alumnado universitario en España. 1960-1999. Curso Alumnos Índice Tasa de variación anual 1974-75 468.526 274,6 6,4% 1975-76 539.022 316,0 15,0% 1976-77 590.192 345,9 9,5% 1977-78 689.971 404,4 16,9% 1978-79 673.528 394,8 -2,4% 1979-80 657.447 385,4 -2,4% 1980-81 649.098 380,5 -1,3% 1981-82 669.848 392,6 3,2% 1982-83 692.152 405,7 3,3% 1983-84 744.115 436,2 7,5% 1984-85 788.168 462,0 5,9% 1985-86 854.104 500,6 8,4% 1986-87 902.284 528,9 5,6% 1987-88 969.412 568,2 7,4% 1988-89 1.027.018 602,0 5,9% 1989-90 1.093.086 640,7 6,4%

Cuadro 1: Alumnado universitario en España. 1960-1999. Curso Alumnos Índice Tasa de variación anual 1990-91 1.140.572 668,6 4,3% 1991-92 1.209.108 708,7 6,0% 1992-93 1.291.996 757,3 6,9% 1993-94 1.358.616 796,4 5,2% 1994-95 1.445.322 847,2 6,4% 1995-96 1.505.611 882,5 4,2% 1996-97 1.551.969 909,7 3,1% 1997-98 1.568.752 919,5 1,1% 1998-99 1.583.297 928,1 0,9% Fuente: Hasta 1991-92, Anuario de Estadística Universitaria 1993/1994. Desde 1992-93 hasta 1996-97, Estadística Universitaria del curso 1996-97 (Datos provisionales). Desde 1997-98 hasta 1998-99, Web del Instituto Nacional de Estadística.

SERIES TEMPORALES 1. Definición de serie temporal 2.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

MODELOS DE PROBABILIAD UNIVARIANTES Incertidumbre 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

MODELOS DE PROBABILIAD UNIVARIANTES 2.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.

MODELOS DE PROBABILIAD UNIVARIANTES PROBABILIDAD 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)

MODELOS DE PROBABILIDAD UNIVARIANTES Teorema 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)

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

MODELOS DE PROBABILIDAD UNIVARIANTES Teorema 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)

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

Modelos especificos univariantes Bernouilli

Modelos específicos univariantes

Modelos específicos univariantes

Simeon Poisson 1781-1840 más sobre PoissonHaz clic

Modelos específicos univariantes Uniforme

Modelos específicos univariantes

Modelos específicos univariantes Normal

Carl Fiedrich Gauss 1777-1855 Más imágenes de Gauss Más sobre Gauss

Modelos Multivariantes 1. 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.

Modelos Multivariantes Específicos 1.    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.

Distribución Multinomial n pruebas ; k resultados

Distribución Binormal

Distribución Binormal Distribuciones Marginales Distribuciones condicionadas

Distribución Binormal Transformaciones 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