PROBLEMARIO DE ESTADÍSTICA DESCRIPTIVA

Unidad 1: Fundamentos de Estadística Descriptiva

1.1 Conceptos básicos y división de la estadística.

La estadística descriptiva se encarga de recolectar, organizar, presentar y describir un conjunto de datos de manera informativa, generalmente con el apoyo de tablas, medidas numéricas o gráficas.

"La estadística es la única ciencia que permite decir con precisión cuán equivocado puedes estar". John Tukey (1915-2000) – Estadístico estadounidense.

Tukey, pionero en el análisis exploratorio de datos, resaltó la capacidad de la estadística para medir la incertidumbre en los resultados, subrayando la importancia de los intervalos de confianza y la probabilidad en la interpretación de datos.

"El análisis de datos es como la exploración. Nunca sabes lo que vas a encontrar". John Tukey (1915-2000).

Este estudioso de la estadística promovió el análisis exploratorio de datos como un enfoque clave para descubrir patrones ocultos antes de aplicar modelos estadísticos.

"Existen tres tipos de mentiras: las mentiras, las malditas mentiras y las estadísticas".

Mark Twain (1835-1910) – Escritor y humorista estadounidense (atribuida también a Benjamin Disraeli).

Twain criticaba el uso manipulador de la estadística en la política y los medios de comunicación, señalando cómo los datos pueden ser tergiversados para apoyar argumentos engañosos.

"Dios creó los números naturales, todo lo demás es obra del hombre".

Leopold Kronecker (1823-1891) – Matemático alemán.

Kronecker enfatizaba que los números y la aritmética son creaciones humanas destinadas a organizar la realidad, lo que es fundamental en estadística para modelar fenómenos del mundo real.

"Si tu experimento necesita estadística, deberías haber hecho un experimento mejor".

Ernest Rutherford (1871-1937) – Físico británico, Premio Nobel de Química.

Rutherford defendía la precisión en los experimentos científicos. Aunque la estadística es crucial para interpretar datos, su comentario resalta la importancia de diseños experimentales bien estructurados desde el inicio.

"No podemos dirigir el viento, pero sí ajustar las velas".

Thomas Carlyle (1795-1881) – Filósofo e historiador escocés.

Aunque Carlyle no es un estadístico, esta frase se aplica perfectamente a la estadística, ya que esta ciencia no puede controlar la variabilidad de los fenómenos, pero sí ayuda a interpretar y tomar decisiones informadas.

"La estadística es el arte de extraer conclusiones válidas de datos insuficientes".

Stephen Senn (n. 1950) – Estadístico británico.

Senn, experto en biomedicina y ensayos clínicos, enfatizaba la importancia de la inferencia estadística en la toma de decisiones basada en muestras representativas.

"Es fácil mentir con estadísticas. Es más fácil aún mentir sin ellas".

Frederick Mosteller (1916-2006) – Estadístico estadounidense.

Mosteller advertía sobre la manipulación de datos, pero también defendía que la estadística proporciona transparencia y evidencia en la toma de decisiones.

"La estadística es el puente entre la teoría y el mundo real".

George Box (1919-2013) – Estadístico británico.

Box argumentaba que los modelos estadísticos son aproximaciones útiles de la realidad, pero siempre deben ser validados con datos empíricos.

"Todos los modelos están equivocados, pero algunos son útiles".

George Box.

Explicaba que ningún modelo estadístico es una representación exacta del mundo real, pero pueden proporcionar información valiosa si se interpretan correctamente.

Estas frases reflejan la importancia de la estadística en la ciencia, la sociedad y la toma de decisiones, así como los desafíos que conlleva su uso y posible manipulación. Ahora toca al estudiante tomar postura y decir qué es entonces la Ciencia Estadística.

……………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………

Figura 1.1 Matriz de la División de la Estadística

Rama Principal	Subrama	Descripción
Estadística Descriptiva	-	Se encarga de recolectar, organizar, resumir y presentar datos de manera informativa. Incluye medidas de tendencia central (media, mediana, moda) y de dispersión (varianza, desviación estándar).
	Estadística Univariada	Analiza una sola variable para describir su comportamiento.
	Estadística Bivariada	Examina la relación entre dos variables, utilizando herramientas como tablas de contingencia y diagramas de dispersión.
	Estadística Multivariada	Estudia simultáneamente más de dos variables para entender relaciones complejas, aplicando técnicas como análisis de regresión múltiple y análisis factorial.
Estadística Inferencial	-	Se centra en hacer generalizaciones, estimaciones, predicciones y decisiones sobre una población, basándose en una muestra de datos. Utiliza técnicas como intervalos de confianza y pruebas de hipótesis.
	Inferencia Paramétrica	Supone que los datos provienen de distribuciones conocidas y utiliza parámetros específicos para realizar inferencias.
	Inferencia No Paramétrica	No asume distribuciones específicas y es útil cuando no se cumplen las condiciones para métodos paramétricos.
Estadística Aplicada	-	Utiliza métodos estadísticos en diversos campos para resolver problemas específicos y tomar decisiones informadas.
	Bioestadística	Aplicación de la estadística en las ciencias biológicas y de la salud, incluyendo epidemiología y ensayos clínicos.
	Econometría	Aplicación de técnicas estadísticas en la economía para analizar datos económicos y formular modelos económicos.
	Psicometría	Se dedica a la medición y análisis de variables psicológicas, como inteligencia y personalidad.
	Ingeniería de Calidad	Emplea métodos estadísticos para el control y mejora de procesos en la industria, asegurando la calidad de productos y servicios.

Nota: Batanero, C. (2001). Didáctica de la estadística. Grupo de Investigación en Educación Estadística, Universidad de Granada.

1.2 Tipos de variables: cualitativas y cuantitativas (discretas y continuas).

Categoría	Subcategoría	Definición	Ejemplos
Cualitativas (atributos)	Nominales	Categorías sin orden inherente.	Género (masculino, femenino, no binario), estado civil (soltero, casado, divorciado), tipo de sangre (A, B, AB, O), color favorito, marca de teléfono móvil.
	Ordinales	Categorías con orden o jerarquía.	Nivel educativo (primaria, secundaria, universidad), satisfacción del cliente (muy insatisfecho, insatisfecho, neutral, satisfecho, muy satisfecho), clasificación de películas (G, PG, PG-13, R), nivel de dolor (bajo, medio, alto).
Categoría	Subcategoría	Definición	Ejemplos
Cuantitativas	Discretas	Valores numéricos contables (números enteros).	Número de hijos, número de llamadas telefónicas recibidas en un día, cantidad de estudiantes en una clase, número de visitas a un sitio web por hora, cantidad de "me gusta" en una publicación de redes sociales.
	Continuas	Valores numéricos que pueden tomar cualquier valor dentro de un rango (incluyendo decimales).	Altura, peso, temperatura, tiempo transcurrido, ingresos, edad, velocidad, presión arterial, puntuación de un examen (si se permite decimales).

1.3 Escalas de medición (nominal, ordinal, de intervalo y de razón).

Las escalas de medición son herramientas fundamentales en estadística que nos permiten clasificar y cuantificar las variables. Cada escala tiene propiedades específicas que determinan qué tipo de análisis estadístico se puede aplicar.

a. Escala Nominal

Definición: Clasifica las variables en categorías mutuamente excluyentes, sin ningún orden inherente.
Características:

Las categorías son distintas y no se superponen.
No se pueden realizar operaciones matemáticas.
Se utiliza para variables cualitativas.

Ejemplos:

Género (masculino, femenino, no binario).
Estado civil (soltero, casado, divorciado).
Color de ojos (azul, verde, marrón).
Marcas de automóviles.
Tipos de sangre.

b. Escala Ordinal

Definición: Clasifica las variables en categorías con un orden o jerarquía, pero las diferencias entre las categorías no son necesariamente iguales.
Características:

Las categorías tienen un orden significativo.
No se pueden realizar operaciones matemáticas que impliquen la magnitud de las diferencias.
Se utiliza para variables cualitativas y algunas cuantitativas.

Ejemplos:

Nivel educativo (primaria, secundaria, universidad).
Satisfacción del cliente (muy insatisfecho, insatisfecho, neutral, satisfecho, muy satisfecho).
Clasificación de películas (G, PG, PG-13, R).
Nivel de dolor (bajo, medio, alto).
Puesto en una carrera.

c. Escala de Intervalo

Definición: Clasifica las variables en categorías con un orden y diferencias iguales entre ellas, pero no tiene un punto cero absoluto.
Características:

Las diferencias entre los valores son significativas y consistentes.
Se pueden realizar operaciones de suma y resta, pero no de multiplicación y división.
El cero es arbitrario y no representa la ausencia de la variable.
Se usa para variables cuantitativas.

Ejemplos:

Temperatura en grados Celsius o Fahrenheit.
Puntuación en un examen estandarizado.
Años calendario.

d. Escala de Razón

Definición: Clasifica las variables en categorías con un orden, diferencias iguales y un punto cero absoluto.
Características:

Todas las operaciones matemáticas son posibles.
El cero representa la ausencia de la variable.
Se usa para variables cuantitativas.

Ejemplos:

Altura.
Peso.
Ingresos.
Edad.
Número de hijos.
Tiempo transcurrido.

Importancia de las Escalas de Medición

Determinan qué tipo de análisis estadístico se puede aplicar.
Afectan la interpretación de los resultados.
Ayudan a elegir las medidas de tendencia central y dispersión adecuadas.

Ahora presenta tus propios ejemplos.

Nominal	ordinal	Intervalo	De razón

Unidad 2: Organización y Presentación de Datos

Contexto del estudio

Se recopiló información sobre la cantidad de veces que 100 empleados de PIL ANDINA S.A, solicitaron licencias durante el año 2024.

Datos hipotéticos

2.1 Tablas de frecuencias (absolutas, relativas y acumuladas).

Interpretación

Frecuencia Absoluta (f_i): Cantidad de empleados que solicitaron licencia un número específico de veces.
Frecuencia Absoluta Acumulada (F_i): Suma progresiva de las frecuencias absolutas.
Frecuencia Relativa (h_i): Proporción de empleados en cada categoría respecto al total.
Frecuencia Relativa Acumulada (H_i): Proporción acumulada de empleados hasta cada categoría.

Este análisis permite a la empresa evaluar patrones en la solicitud de licencias, optimizar la gestión de personal y detectar posibles necesidades de flexibilización laboral.

Ahora, establece la procedencia de tus compañeros de este curso de acuerdo al tipo de colegio, para ello considera las siguiente: Colegio fiscal, colegio particular y colegio de convenio. Comentemos los resultados y veamos la utilidad de esta información.

1.1 Importancia y uso de los diagramas y gráficos estadísticos (histogramas, polígonos de frecuencia, diagramas de dispersión, boxplots).

Los diagramas y gráficos estadísticos desempeñan un papel crucial en el análisis de datos, ya que permiten representar información de manera visual, facilitando la interpretación y toma de decisiones en diversos campos como la economía, administración, ciencias sociales y más.

Histograma

Importancia:
El histograma es una de las herramientas más utilizadas en estadística descriptiva para visualizar la distribución de datos cuantitativos. Permite identificar la forma de la distribución, detectar sesgos y evaluar la dispersión de los datos.

Postura teórica:
Según Montgomery y Runger (2021), “el histograma es esencial en el análisis exploratorio de datos, ya que proporciona una visión inicial sobre la variabilidad y concentración de valores en un conjunto de datos”.

Uso:

Identificar patrones de distribución (normal, sesgada, bimodal, etc.).
Evaluar la dispersión y concentración de los datos.
Detectar valores extremos o anomalías.
Comparar distribuciones en estudios económicos y financieros.

Polígono de Frecuencia

Importancia:
El polígono de frecuencia es una extensión del histograma que permite una visualización más fluida de la distribución de datos, facilitando la comparación entre diferentes conjuntos.

Postura teórica:
Freedman, Pisani y Purves (2020) señalan que “el polígono de frecuencia es una representación efectiva para comparar distribuciones de datos en diferentes categorías, mostrando tendencias y patrones de manera clara”.

Uso:

Comparar distribuciones de diferentes poblaciones o períodos de tiempo.
Observar tendencias de frecuencia en estudios de mercado y economía.
Representar series de datos continuos en el tiempo.

Diagrama de Dispersión

Importancia:
El diagrama de dispersión es clave en el análisis de correlación y regresión, permitiendo visualizar relaciones entre dos variables y determinar patrones de asociación.

Postura teórica:
Gujarati y Porter (2021) afirman que “el diagrama de dispersión es el primer paso esencial en la evaluación de relaciones estadísticas, ya que permite detectar relaciones lineales, curvilíneas y la presencia de valores atípicos”.

Uso:

Identificar relaciones entre variables económicas, como ingreso y consumo.
Evaluar la correlación entre factores en estudios de mercado.
Identificar tendencias en datos financieros y predicción de valores futuros.

Boxplot (Diagrama de Cajas y Bigotes)

Importancia:
El boxplot es una herramienta poderosa para visualizar la dispersión y detectar valores atípicos en un conjunto de datos.

Postura teórica:
Tukey (1977), creador del boxplot, argumentó que “este gráfico proporciona una forma efectiva y compacta de describir la distribución de un conjunto de datos, destacando su rango intercuartil y valores extremos”.

Uso:

Comparar distribuciones de datos en estudios económicos y financieros.
Identificar valores atípicos que puedan indicar errores o fenómenos extraordinarios.
Evaluar la variabilidad en diferentes sectores o industrias.

1.2 Uso de software estadístico (Excel, SPSS, y Python) para la representación de datos.

Ahora te toca a ti, genera estos gráficos con información relacionada a tu rendimiento estudiantil en el colegio.

Unidad 3: Distribuciones unidimensionales y medidas descriptivas

3.1 Distribuciones de frecuencias y sus representaciones.

La economía se basa en la interpretación de grandes volúmenes de datos, y las distribuciones de frecuencia son esenciales en:

El análisis de Crecimiento Económico

Los histogramas ayudan a estudiar la distribución del PIB per cápita en diferentes países.

Los boxplots pueden mostrar la dispersión del crecimiento económico en distintas regiones.

Estudio del Mercado Laboral

Polígonos de frecuencia permiten analizar la distribución de salarios en una economía.

Diagramas de dispersión ayudan a evaluar la relación entre educación y nivel de ingresos.

Análisis de Inflación y Política Monetaria

Tablas de frecuencia permiten estudiar la variabilidad de la tasa de inflación anual.

Histogramas ayudan a evaluar el comportamiento de los precios de bienes esenciales.

Evaluación del Riesgo Financiero

Boxplots muestran la volatilidad de activos financieros.

Diagramas de dispersión permiten analizar la relación entre tasas de interés y nivel de inversión.

En consecuencia, las distribuciones de frecuencia y sus representaciones gráficas son herramientas fundamentales en economía, permitiendo analizar grandes conjuntos de datos de manera clara y efectiva. Sin embargo, su uso incorrecto puede llevar a interpretaciones erróneas, sesgos o manipulaciones en la toma de decisiones. Es fundamental que los economistas y analistas sean críticos al interpretar estos datos para evitar errores que puedan impactar en la economía real.

3.2 Medidas de tendencia central: media aritmética, mediana, moda, media ponderada.

a. Una tienda de accesorios de celulares, registra las ventas dirias de una semana exitosa de trabajo, las ventas se efectúan en dólares, estos los datos que requieren el cálculo de los principales estadígrafos de tendencia central.

DETALLE DE VENTAS DIARIAS (Expresado en dólares)

N°	ventas UPDS
1	200
2	259
3	300
4	150
5	180
6	220
7	270

Media aritmética

=225,5 USD

El promedio de ventas diarias es de 225,57 USD en base de los 7 días de la semana.

Mediana

Me= 220 USD

La venta media de una semana exitosa es de 220 USD.

Moda

Existe una diversidad de ventas diarias de una semana, no existe un valor de ventas que sea recurrente, por tanto, esta base de datos es amodal.

b. La empresa Lácteos Copito de amor, en sus 15 años de vida institucional ha encontrado que ha despedido la siguiente cantidad de empleados por año.

Media aritmética

DETALLE DE DESPEDIDOS POR AÑO

N°	Año	Despidos en sus 15 años
1	2005	3
2	2006	0
3	2007	5
4	2008	9
5	2009	1
6	2010	4
7	2011	0
8	2012	2
9	2013	4
10	2014	1
11	2015	3
12	2016	2
13	2017	8
14	2018	2
15	2019	1

=3 empleados despedidos

Se puede observar que el promedio de los empleados despedidos es de 3 empleados en sus 15 años de vida institucional.

Mediana

Me= 2 empleados despedidos

Los despidos de empleados en sus 15 años de vida de la empresa arrojan una mediana de 2 empleados.

Moda

M_o=1 empleados despedidos M_o=2 empleados despedidos

En sus 15 años de vida de la empresa Lácteos Copito de amor, se evidencia que la moda fue de 1 y 2 empleados despedidos.

Una empresa internacional de eventos pretende traer un concierto de música rock a la ciudad de Potosí, pero basará su decisión en la capacidad de sus usuales clientes, para ello se ha consultado a 7 rockeros, obteniendo las siguientes propuestas de pago por el concierto.

Media aritmética

DETALLE DE CONSULTAS A 7 FANS

N°	Propuestas por fans (Bs.)
1	3500
2	300
3	1000
4	800
5	772
6	820
7	2000

1313,14

=1313,14 Bs.

Se puede observar con base en las propuestas de que el costo de este evento, en promedio significa un pago por los clientes de aproximadamente 1313 Bs.

Mediana

Me= 820 Bs propuesta para concierto

Con los datos se obtuvo un valor de la mediana de 820 Bs. para el concierto de rock.

Moda

M_o, es amodal

Como era de esperarse, tratándose de una cortísima lista de datos. No existe moda

3.3 Medidas de dispersión: rango, varianza, desviación estándar, coeficiente de variación.

a. Se requiere conocer la variabilidad en el gasto en publicidad anual de 6 empresas de cerámica para hacerles llegar una cotización de publicidad.

DETALLE DE GASTOS EN PUBLICIDAD

N°	Gastos de publicidad (Bs.)
1	900
2	5300
3	100
4	2200
5	800
6	4000

2216,67

= 2216,67 Bs.

El costo promedio en publicidad de las 6 empresas de cerámica es de 2216,67 Bs.

El valor de la media aritmética o promedio es vital para abordad las medidas de dispersión.

Rango

R= valor máximo – valor mínimo 00 = 5200 Bs.-

El rango es la diferencia entre el valor máximo y el valor mínimo, en este caso el rango del gasto en publicidad de estas 6 empresas es de 5200 Bs.-

Varianza

S²= 18258101,9 Bs.-

La varianza es de 18258101,9 Bs para la cotización de publicidad anual de las 6 empresas de cerámica

Desviación estándar

4272,95

S = 4272,95 Bs.-

La desviación estándar es 4272,95 Bs.- para la publicidad al año de las 6 empresas de cerámica, esto indica que respecto al valor promedio este gasto en publicidad variará hasta 4272,95 Bs.-

Coeficiente de variación

CV = * 100

CV= 92,25%

El CV = 92.25% indica una alta variabilidad en los gastos de publicidad. Esto significa que los valores están muy dispersos con respecto a la media, lo que refleja una inconsistencia significativa en la inversión publicitaria. El CV = 92.25% indica una alta variabilidad en los gastos de publicidad. Esto significa que los valores están muy dispersos con respecto a la media, lo que refleja una inconsistencia significativa en la inversión publicitaria.

b. Esta es una muestra de precios de la leche obtenidos en diferentes tiendas de barrio de Potosí.

Precios del litro de leche en diferentes puntos de venta (en Bs.)

N0.	Marca	Precio (Bs.)
1	Pil	7.00
2	Bonlé	5.50
3	Soprole	16.00
4	Pil	7.00
5	Pil	6.80
6	Bonlé	5.30
7	Soprole	15.50
8	Bonlé	5.70
9	Pil	6.90
10	Soprole	15.00

Resultados del Cálculo:

Media = 9,07 Bs.
Mediana = 6,95 Bs.
Moda = 7,00 Bs. (Es el valor más frecuente en la muestra)
Rango = 10,70 Bs. (Diferencia entre el precio más alto y el más bajo)
Máximo = 16,00 Bs. (Precio más alto)
Mínimo = 5,30 Bs. (Precio más bajo)
Varianza = 20,14 Bs² (Indica la dispersión de los precios)
Desviación Estándar = 4.49 Bs. (Muestra cuán dispersos están los valores respecto a la media)
Coeficiente de variación = 0,495

La diferencia entre el precio más alto (16 Bs.) y el más bajo (5.3 Bs.) es 10.70 Bs., lo que evidencia una gran variabilidad en los precios dependiendo de la marca y el lugar de compra. Los valores de los estadígrafos de dispersión, muestran una dispersión moderada, con una desviación estándar de 4.49 Bs., lo que indica que hay una variabilidad significativa en los precios de la leche en diferentes marcas y puntos de venta.

Dado que el CV es mayor al 30%, podemos decir que los precios de la leche tienen una alta variabilidad. Esto significa que los precios fluctúan considerablemente dependiendo de la marca y el punto de venta, lo que podría ser un indicador de segmentación del mercado, diferencias en calidad o estrategias comerciales diferenciadas.

c. Un gerente necesita establecer a partir de errores cometidos en un proceso productivo, cuál la variabilidad en los resultados de esta prueba a fin de analizar las sanciones y las medidas preventivas con base a la siguiente información

DETALLE DE LOS EMPLEADOS

N°	Errores de empleados
1	8
2	2
3	0
4	4
5	5
6	9
7	3

Rango

R= 9-0 = 9 errores

Interpretación: el rango de los errores de los empleados es de 0 errores a 9 errores

Nota: la recolección de los datos fue parte del gerente para poder sancionar a los empleados que cometieron errores

Análisis: se obtuvo los errores de prueba los empleados para sancionarlos

Máximo

Max= 9 errores

Interpretación: el máximo error de empleados es de 9 errores

Nota: la recolección de los datos fue parte del gerente para poder sancionar a los empleados que cometieron errores

Análisis: se obtuvo los errores de prueba los empleados para sancionarlos

Mínimo

Min= 0 errores

Interpretación: el mínimo de errores de empleados es de 0 errores

Nota: la recolección de los datos fue parte del gerente para poder sancionar a los empleados que cometieron errores

Análisis: se obtuvo los errores de prueba los empleados para sancionarlos

Varianza

S²=59,97 errores

La varianza en este ejemplo es 59,97 errores de los empleados

Desviación estándar

7,74

S= 7,74 errores

La desviación estándar es de 7,74 errores de los empleados que serán sancionados por el gerente

Coeficiente de variación

CV = …………..

Interpretación según Walpole et al. (2012)

· CV < 15% → Baja variabilidad, los datos están poco dispersos respecto a la media.

· 15% ≤ CV ≤ 30% → Variabilidad moderada.

· CV > 30% → Alta variabilidad, los datos están muy dispersos y la muestra es heterogénea.

Ahora te toca a ti,

a. Analiza la variabilidad de datos que tiene el ingreso promedio mensual de todos tus tíos.

b. Elimina de tu base de datos el salario más alto

c. Incorpora el salario promedio del Tío Tom, que por cierto es 5 veces el valor promedio del de tu base datos usada en el iniciso a.

Unidad 4: Distribuciones bidimensionales y asociación entre Variables

Una tabla de contingencia es una herramienta estadística que organiza y resume la relación entre dos o más variables cualitativas (categóricas). Se usa principalmente para analizar la asociación o independencia entre variables.

4.1 Tablas de contingencia. Ejemplos

a: Relación entre Nivel de Educación y Desempleo

Se analiza cómo el nivel educativo de una persona influye en su situación de empleo en un país.

Nivel Educativo	Empleado	Desempleado	Total
Primaria	200	150	350
Secundaria	400	100	500
Universitaria	600	50	650
Total	1200	300	1500

Interpretación:

A medida que el nivel educativo aumenta, la cantidad de personas desempleadas disminuye.
Se puede aplicar un test de independencia para ver si existe una relación estadística significativa.

b: Relación entre Tasa de Interés y Preferencia de Crédito

Un banco evalúa la preferencia de los clientes por diferentes tipos de crédito según la tasa de interés aplicada.

Tipo de Crédito	Baja Tasa	Media Tasa	Alta Tasa	Total
Hipotecario	300	200	100	600
Consumo	250	300	150	700
Empresarial	200	250	250	700
Total	750	750	500	2000

Interpretación:

La mayoría de los clientes prefieren créditos hipotecarios cuando la tasa de interés es baja.
Los créditos empresariales mantienen una demanda estable incluso con tasas altas.

c: Relación entre Sector Económico y Nivel Salarial

Se analiza el salario promedio en tres sectores económicos (industrial, comercial y servicios).

Sector Económico	Bajo Salario	Medio Salario	Alto Salario	Total
Industrial	200	250	150	600
Comercial	300	200	100	600
Servicios	100	250	250	600
Total	600	700	500	1800

Interpretación:

En el sector industrial predominan los salarios bajos y medios.
En el sector de servicios, hay más trabajadores con salarios altos.
Podría evaluarse el efecto de la productividad o políticas salariales sobre la distribución de ingresos.

4.2 Covarianza y coeficiente de correlación de Pearson. Use SPSS

Unidad 5: Regresión Lineal y Modelos de Ajuste

5.1 Regresión lineal simple: estimación e interpretación del coeficiente de regresión.

Con base a la tabla de datos anexa, determinar lo siguiente con ayuda de EXCEL u otro paquete estadístico.

a. Elabore el diagrama de dispersión junto a la recta de mejor ajuste

b. Enuncie con claridad la ecuación de la recta de mejor ajuste e identifique cada uno de sus términos

c. Halle el coeficiente de correlación (R) e interprete su resultado.

d. Sólo en caso que la teoría así lo aconseje, efectúe pronósticos cuando x toma valores de 1000 y 2000

Nº	Producción piña deshidratada en gramos (X)	Cantidad de cámaras de deshidratación (Y)
1	825	3,5
2	215	1
3	1070	4
4	550	2
5	480	1
6	920	3
7	1350	4,5
8	325	1,5
9	670	3
10	1215	5

5.2 Estos datos representan las ventas mensuales de cosméticos en la ciudad de Sucre y están expresadas en bolivianos (x1) , la publicidad a nivel nacional invertida en los productos cosméticos (x2) y el ingreso promedio de las familias en Bs. Con estos datos genere el modelo que le parezca más adecuado y analice la bondad de ajuste

X1	6400	12100	8100	3600	3600	4225	2025	8281	6084	7056	7569	8464	9216	9604	3136	99460
X2	5476	9604	6400	2809	3249	6561	1936	8100	5184	2209	7569	2500	1764	10201	1936	75498
X3	5920	10780	7200	3180	3420	5265	1980	8190	5616	3948	7569	4600	4032	9898	2464	84062

Ahora estás en condiciones de responder las siguientes preguntas:

5.3 Un modelo econométrico:

a. Está conformado por variables y parámetros.

F V

b. Puede ser clasificado como uniecuacional o multiecuacional.

F V

c. Puede apoyar el cálculo de sus parámetros estimados mediante el

Método de mínimo cuadrados ordinarios.

F V

d. No siempre requiere de fundamentación teórica para plantear el modelo.

F V

5.4.1 La etapa de la especificación en la construcción de un modelo econométrico contempla

a. Elaboración del marco teórico en el campo de aplicación.

b. Selección de la muestra.

c. Selección de las variables más relevantes.

d. todos los incisos señalados

5.4.2 Los objetivos del modelo econométrico son:

a. Obtener una muestra aleatoria.

b. Predecir el comportamiento de una o varias de las variables estudiadas

c. Explicar el comportamiento económico de una o de varias de variables.

d. Contrastar hipótesis de interés económico.

e. Ninguna de las anteriores.

5.4.3 Al tener un valor superior en uno de los parámetros estimados dentro de un modelo multivariable puedo concluir que:

a. La variable que representa ése parámetro con mayor valor absoluto es la más importante.

b. EL valor del estimador NO está relacionado a la importancia de la variable estudiada.

c. El modelo es altamente predictivo.

d. El modelo es válido solo sí, la tendencia es positiva de acuerdo a los datos analizados

5.4.4 Una cuestión importante que debe analizarse al estudiar los resultados de un modelo de regresión es el grado de relación lineal existente entre las observaciones de las variables explicativas. Para ello nos remitiremos al estudio de la violación al modelo de regresión que es estudiado por la:

a. Homocedasticidad

b. Multicolinealidad.

c. Mínimos cuadrados ordinarios

d. Autocorrelación

e. Propiedades del estimador restringido.

5.5 Señale 2 soluciones en caso de presencia de multicolinealidad.

5.6 Evidenciándose la presencia de heterocedasticidad diremos que no se cumple el supuesto de media = 0 y varianza constante

5.7 Verifique la gráfica y determine si:

a. La tendencia de la información que se representa es Positiva

b. La tendencia es perfectamente positiva

c. Los datos del R²=93.5% y R= 0.966 son consistentes

d. El valor promedio del precio estudiado es negativo.

5.8 La autocorrelación se puede identificar en un modelo econométrico mediante:

a. Prueba gráfica de dispersión

b. Método de Durbin Watson

c. Las dos anteriores son útiles

5.9 Defina con precisión 2 términos estadísticos importantes

5.10 Proceda con los siguientes datos a analizar la relación peso y edad de sus compañeros de su curso y los de este curso hipotético. Para ello emplee el SPSS y MINITAB.

Tabla: Relación peso y edad

N°	EDAD (X)	PESO (Y)
1	27	68
2	24	65
3	23	56
4	21	65
5	23	50
6	25	69
7	25	70
8	25	67
9	21	54
10	21	52
11	21	52
12	24	55
13	24	80

5.11 Genere gráficos para el análisis correlacional con la siguiente matriz de información, analice e interprete los datos obtenidos. Emplee una hoja de cálculo y use Phyton para agilizar el procesamiento de datos.

Tabla 1. DATOS DE CONSUMO E INGRESO EN BS.-

(Y) CONSUMO PERSONAL EN BS.	99	104	116	118	124	135	138	156	164	170
(X) INGRESO PERSONAL DISPONIBLE EN BS.-	112	114	131	137	144	155	157	173	184	190

OBTENGA:

· Diagrama de dispersión.

· La recta de mejor ajuste.

· La ecuación de la recta de regresión lineal

· Usando la ecuación de la recta de mejor ajuste pronostique el consumo cuando el ingreso personal es de Bs.- 80 y cuando es de Bs.- 400

5.12 Enuncie los supuestos implícitos dentro de la regresión lineal simple.

5.13 Cómo interpretaría el coeficiente de correlación obtenido de las siguientes variables que modelizan el PIB en Bs.- de Bolivia y qué utilidad le daría usted como investigador. (Son sólo datos hipotéticos)

AÑO	PIB	CONSUMO	INVERISÓN	EXP - IMPORT
1975	480	76	80	78
1976	330	53	55	54
1977	320	37	53	47
1978	390	71	65	67
1979	520	67	87	79
1980	480	57	80	71
1981	170	31	28	29
1982	310	32	52	44
1983	300	43	50	47
1984	160	51	27	36
1985	390	47	65	58
1986	470	54	78	69
1987	270	38	45	42
1988	300	45	50	48
1989	80	44	13	26
1990	400	52	67	61
1975	160	34	27	30
1976	190	41	32	35
1977	190	35	32	33
1978	410	37	68	56
1979	190	75	32	49
1980	140	48	23	33

5.14 Con base a la tabla, determinar lo siguiente con ayuda de MINITAB y SPSS u otro paquete estadístico.

a. Proceda a poner en práctica todo cuanto recuerde de estadística descriptiva, calcule a los estadígrafos más utilizados.

b. Elabore el diagrama de dispersión junto a la recta de mejor ajuste

c. Enuncie con claridad la ecuación de la recta de mejor ajuste e identifique cada uno de sus términos

d. Halle el coeficiente de correlación (R) y R² e interprete su resultado.

Meses/2024	Horas de trabajo de auditoria de campo	Horas en computadora	Impuestos reales no pagados descubiertos(millones de Bs.)
enero	4500	1600	29000
febrero	4200	1400	24000
arzo	4400	1500	27000
abril	4500	1300	25000
mayo	4300	1300	26000
junio	4600	1400	28000
julio	4400	1600	30000
agosto	4500	1600	28000
septiebre	4400	1500	28000
octubre	4300	1500	27000
	x1	x2	y

Unidad 6: Análisis de series de tiempo y números índice

6.1 Componentes de una serie de tiempo: tendencia, estacionalidad, ciclo y ruido.

6.2 Métodos de suavización (media móvil, suavización exponencial).

6.3 Construcción e interpretación de números índice (Laspeyres, Paasche, Fisher

1. Componentes de una Serie de Tiempo

Una serie de tiempo es una secuencia de observaciones registradas a lo largo del tiempo. Sus principales componentes son:

Tendencia (Tt): Representa la dirección general de los datos a lo largo del tiempo. Ejemplo: el crecimiento del PIB boliviano en los últimos 20 años muestra una tendencia creciente.
Estacionalidad (St): Patrones recurrentes en intervalos de tiempo específicos. Ejemplo: el incremento de ventas en la industria turística boliviana durante la festividad del Carnaval de Oruro.
Ciclo (Ct): Fluctuaciones que ocurren en periodos mayores a un año y están asociadas a factores económicos como crisis o expansiones. Ejemplo: la fluctuación en la producción minera debido a la demanda internacional de zinc y plata.
Ruido (Et): Variaciones aleatorias sin un patrón definido. Ejemplo: los efectos inesperados de fenómenos climáticos en la producción agrícola.

2. Métodos de Suavización

Para analizar tendencias, se utilizan técnicas de suavización que eliminan la variabilidad aleatoria:

2.1 Media Móvil

La media móvil calcula el promedio de un conjunto de valores en un intervalo de tiempo para reducir la volatilidad.

Ejemplo: Para predecir el precio del gas natural en Bolivia, se puede calcular una media móvil de 3 meses basada en los precios de exportación.

2.2 Suavización Exponencial

Asigna un peso mayor a los datos recientes para hacer predicciones más precisas.

Ejemplo: El Banco Central de Bolivia podría usar este método para prever la inflación tomando en cuenta los últimos registros del IPC (Indice de Precios al Consumidor).

Los números índice permiten comparar variaciones de una variable en el tiempo.

Los números índice son herramientas estadísticas que nos permiten comparar el valor de una variable a lo largo del tiempo o entre diferentes lugares. Nos ayudan a saber cómo ha cambiado el precio de la canasta familiar en Bolivia en los últimos años, o cómo se compara el costo de vida entre Potosí y Santa Cruz. Los números índice dan esa información de forma clara y concisa.

En Bolivia, el Instituto Nacional de Estadística (INE) es la entidad encargada de calcular el IPC, el año base más reciente utilizado para el cálculo del IPC es el 2016. Se calcula la relación entre el valor de la variable en el año que nos interesa y el valor en el año base y para evitar confusiones se debe aclarar que el resultado se multiplica por 100 y se obtiene el número índice. Si el número índice es mayor a 100, significa que la variable ha aumentado con respecto al año base. Si es menor a 100, ha disminuido.

Existen muchos tipos de números índice, pero algunos de los más comunes son:

Índice de Precios al Consumidor (IPC): Mide la variación de los precios de una canasta de bienes y servicios consumidos por los hogares.
Índice de Producción Industrial (IPI): Mide la evolución de la producción en el sector industrial.

Ejemplos para el cálculo de números índice de: Laspeyres

Fórmula: IL = (P_tQ_o/ P_oQ_o)*100

a. Índice de precios al consumidor (IPC) productos alimenticios

Matriz de datos

Producto	P_q(2022)	Q_o (2022)	P_t (2023)
Arroz	5	10	6
Papa	3	20	3,5
Carne	30	5	33

Matriz de cálculos

Producto	P_o*Q_o	P_t*Q_o
Arroz	50	60
Papa	60	70
Carne	150	165
Total	260	295

IL = (295_/ 260)*100 = 113,46

b. Índice de precios de materiales de construcción

Matriz de datos

Material	P_q(2020)	Q_o (2020)	P_t (2024)
Cemento	50	100	60
Ladrillo	1,5	1000	1,8
Hierro	8	500	9

Matriz de cálculos

Material	P_o*Q_o	P_t*Q_o
Cemento	5000	6000
Ladrillo	1500	1800
Hierro	4000	4500
	10500	12300

IL = (12300_/ 10500)*100 = 117,14

c. Índice de precios de productos agrícolas de exportación

Matriz de datos

Producto	P_q(2018)	Q_o (2018)	P_t (2023)
Soya	50	100	60
Quinua	1,5	1000	1,8
Café	8	500	9

Matriz de cálculos

Producto	P_o*Q_o	P_t*Q_o
Soya	300000	400000
Quinua	200000	220000
Café	300000	320000
Total	800000	940000

IL = (940000_/ 800000)*100 = 117,5

Ejemplo: Para medir la inflación en Bolivia, el INE usa el IPC basado en la canasta de consumo del año base.

En resumen, la tabla te permite comparar cómo han cambiado los precios de estos productos a lo largo de cinco años, junto con las cantidades originales vendidas en 2018.

3.2 Índice de Paasche

Fórmula:

Ejemplo: En el sector minero, el gobierno podría calcular cómo ha variado el costo de extracción de minerales usando los niveles de producción actuales.

Fundamentos Teóricos del Índice de Paasche

El índice de Paasche es una medida de la variación de precios que utiliza las cantidades del período actual como ponderaciones. A diferencia del índice de Laspeyres, que utiliza las cantidades del período base, el índice de Paasche refleja los cambios en los patrones de consumo o producción a lo largo del tiempo.

La fórmula del índice de Paasche es:

Índice de Paasche (IP) = (Σ (Pt * Qt) / Σ (P0 * Qt)) * 100

Donde:

Pt: Precio del bien en el período actual.
P0: Precio del bien en el período base.
Qt: Cantidad del bien en el período actual.
Σ: Sumatoria.

El índice de Paasche es más apropiado usarlo en las siguientes situaciones:

Cuando se desea medir el impacto de los cambios de precios en el gasto real, teniendo en cuenta los cambios en las cantidades consumidas o producidas.
Cuando se dispone de información detallada sobre las cantidades del período actual.
En el análisis de la producción industrial, donde los cambios en la tecnología y la demanda pueden llevar a variaciones significativas en las cantidades producidas.

Ejemplos Prácticos

Ejercicio 1: Índice de Precios de la Producción de Minerales en Bolivia

· Contexto: Calcular la variación de precios de la producción de minerales en Bolivia entre 2019 (base) y 2023.

Matriz de datos

Mineral (Tn)	P_q(2019)	Q_t (2023)	P_t (2023)
Estaño	15000	500	16000
Zinc	2500	1000	2700

Matriz de cálculos

Mineral (Tn)	P_q(2022)* Q_t (2023)	Q_t (2023)* P_t (2023)
Estaño	15000*500 = 7500000	500*16000 = 8000000
Zinc	2500*1000 = 2500000	1000*2700 = 2700000
Total	10000000	10700000

Índice de Paasche (IP) = (Σ (Pt * Qt) / Σ (P0 * Qt)) * 100

· Cálculo:

Calcular el valor de la producción con las cantidades del período actual y los precios del período base: (15000*500) + (2500*1000) = 10000000
Calcular el valor de la producción con las cantidades y precios del período actual: (16000*500) + (2700*1000) = 10700000
Aplicar la fórmula: (10700000 / 10000000) * 100 = 107

Los precios de la producción de minerales en Bolivia aumentaron un 7% entre 2019 y 2023, teniendo en cuenta los cambios en las cantidades producidas

Ejercicio 2: Índice de Precios de Importaciones en un País Latinoamericano

Contexto: Calcular la variación de precios de las importaciones de bienes de capital en un país latinoamericano entre 2020 (base) y 2024.

Matriz de datos

Bien	P_q(2020)	Q_t (2024)	P_t (2024)
Maquinaria industrial	10000	10	11000
Componentes electrónicos	500	100	550

Matriz de cálculos

Bien		P_q(2020)* Q_t (2024)	Q_t (2024)* P_t (2024)
Maquinaria industrial		10000*10 = 100000	10*11000 = 110000
Componentes electrónicos		500*100 = 50000	100*550 = 55000
Total	150000		165000

Índice de Paasche (IP) = (Σ (Pt * Qt) / Σ (P0 * Qt)) * 100

· Cálculo:

Calcular el valor de las importaciones con las cantidades del período actual y los precios del período base: (10000*10) + (500*100) = 150000
Calcular el valor de las importaciones con las cantidades y precios del período actual: (11000*10) + (550*100) = 165000
Aplicar la fórmula: IP= (165000 / 150000) * 100 = 110

Los precios de las importaciones de bienes de capital aumentaron un 10% entre 2020 y 2024, considerando los cambios en las cantidades importadas.

Ejercicio 3: : Índice de Precios de Productos Agrícolas en Bolivia

Contexto: Medir la variación de precios de una canasta de productos agrícolas en el mercado de Cochabamba entre 2022 (base) y 2023.

Matriz de datos

Productos (kg)	P_q(2022)	Q_t (2023)	P_t (2023)
Papa	4	7	3
Tomate	50	20	30
Zanahoria	5	8	3,5

Matriz de cálculos

Productos (kg)	P_q(2022)* Q_t (2023)	Q_t (2023)* P_t (2023)
Papa	4*7 = 28	7*3 = 21
Tomate	50*20 = 1000	20*30 = 600
Zanahoria	5*8 = 40	8 *3,5 = 28
Total	1068	649

Índice de Paasche (IP) = (Σ (Pt * Qt) / Σ (P0 * Qt)) * 100

· Cálculo:

Calcular el valor de la canasta con las cantidades del período actual y los precios del período base: (4*50) + (7*20) + (3*30) = 430
Calcular el valor de la canasta con las cantidades y precios del período actual: (5*50) + (8*20) + (3.5*30) = 495
Aplicar la fórmula: (495 / 430) * 100 = 115.12

649/1068= 0,607

Los precios de la canasta de productos agrícolas en Cochabamba aumentaron un 15.12% entre 2022 y 2023, teniendo en cuenta los cambios en las cantidades consumidas.

Fundamentos Teóricos del Índice de Fisher

El índice de Fisher, también conocido como el índice ideal, es una medida de la variación de precios que combina las ponderaciones del período base (Laspeyres) y del período actual (Paasche). Se calcula como la media geométrica de los índices de Laspeyres y Paasche, lo que lo convierte en una medida más equilibrada y representativa de la variación de precios.

La fórmula del índice de Fisher es:

Índice de Fisher (IF) = √(Índice de Laspeyres * Índice de Paasche)

Ventajas y Usos Recomendados del Índice de Fisher

Mayor Precisión: El índice de Fisher reduce el sesgo presente en los índices de Laspeyres y Paasche, proporcionando una estimación más precisa de la variación de precios.
Representatividad: Al combinar las ponderaciones de ambos períodos, el índice de Fisher refleja mejor los cambios en los patrones de consumo y producción.
Ideal para comparaciones a largo plazo: Su mayor precisión lo hace especialmente útil para comparaciones a largo plazo, donde los cambios en los patrones económicos pueden ser significativos.
Econometría y análisis económico: Es ampliamente utilizado en estudios econométricos y análisis económico para obtener estimaciones más robustas de la inflación y el crecimiento económico.

Ejemplos Prácticos

Ejercicio 1: Índice de Precios al Consumidor (IPC) de una Canasta Básica en Bolivia

Para el índice de Laspeyres

Matriz de datos

Producto	P_q(2021)	Q_o (2021)	P_t (2023)
Arroz	5	10	6
Carne	30	5	33

Matriz de cálculos

Producto	P_o*Q_o	P_t*Q_o
Arroz	50	60
Carne	150	165
Total	200	225

IL = (225_/ 210)*100 = 107,14

Para el índice de Paasche

Matriz de datos

Producto	P_q(2021)	Q_t (2021)	P_t (2023)
Arroz	5	12	6
Carne	30	6	33

Matriz de cálculos

Bien		P_q(2021)* Q_t (2023)	Q_t (2023)* P_t (2023)
Maquinaria industrial		5*12 = 60	12*6 = 72
Componentes electrónicos		30*6 = 180	6*33 = 198
Total	240		270

Índice de Paasche (IP) = (Σ (Pt * Qt) / Σ (P0 * Qt)) * 100

IP = (270/240)*100 = 112,5

· Cálculo:

Calcular el índice de Laspeyres: IL = 118.00
Calcular el índice de Paasche: IP = 118.30
Calcular el índice de Fisher: IF = √(118.00 * 118.30) = 118.15

· Interpretación: Los precios de la canasta básica aumentaron aproximadamente un 18.15% entre 2021 y 2023.

Ejercicio 2: Índice de Precios de Exportaciones de Minerales en Bolivia

· Contexto: Medir la variación de precios de las exportaciones de minerales en Bolivia entre 2020 (base) y 2024.

· Datos:

| Cálculo:

Calcular el índice de Laspeyres: IL = 107.35
Calcular el índice de Paasche: IP = 107.50
Calcular el índice de Fisher: IF = √(107.35 * 107.50) = 107.42

Interpretación: Los precios de las exportaciones de minerales aumentaron aproximadamente un 7.42% entre 2020 y 2024.

Ejercicio 3: Índice de Precios de Importaciones de Bienes de Capital en un País Latinoamericano

· Contexto: Calcular la variación de precios de las importaciones de bienes de capital en un país latinoamericano entre 2019 (base) y 2023.

· Cálculo:

Calcular el índice de Laspeyres: IL = 109.52
Calcular el índice de Paasche: IP = 109.60
Calcular el índice de Fisher: IF = √(109.52 * 109.60) = 109.56

· Interpretación: Los precios de las importaciones de bienes de capital aumentaron aproximadamente un 9.56% entre 2019 y 2023.

3.3 Índice de Fisher

Promedio geométrico de los índices de Laspeyres y Paasche:

Ejemplo: Para evaluar la evolución del costo de vida en Potosí, podría usarse este índice combinando ambas metodologías.

El análisis de series de tiempo y el uso de números índice son herramientas clave en la economía boliviana, permitiendo predecir tendencias y evaluar cambios en precios, producción y demanda de bienes y servicios.

Estudio de caso 1:

EL “RETO DEL CHARANGO” 2024

No solo hay que ser, sino también parecer

El charango, es uno de los instrumentos más representativos de la música folclórica andina, ha sido un símbolo cultural clave en Bolivia, utilizado para transmitir historias, emociones y tradiciones a lo largo de generaciones. Sin embargo, en un mundo donde los ritmos modernos y la música urbana capturan la atención de las nuevas generaciones, existe la preocupación de que el charango se convierta en una reliquia histórica. Frente a este desafío, con agrado se vio que durante la gestión 2024 el artista boliviano Julio Cuellar, organizó virtualmente "El Reto del Charango Boliviano", cuyo principal objetivo fue incentivar el interés por este instrumento y mantenerlo como una fuente de inspiración viva dentro de la cultura boliviana.

Con la participación de 65 músicos de diferentes departamentos de Bolivia y del extranjero, el reto destacó no solo el talento técnico, sino también el cariño y la dedicación que muchas personas tienen hacia el charango. Este evento no solo proporcionó una plataforma para aquellos que buscan expresar su arte, sino que también reveló datos interesantes sobre las tendencias actuales en cuanto a la procedencia de los participantes, las preferencias del ritmo musical, su sexo y la diversidad etaria de los participantes. A través de un análisis, se pudo extraer conclusiones sobre quiénes y dónde están interpretando más el charango en Bolivia, esto permitió reflexionar sobre los desafíos que enfrenta y las oportunidades que tiene la ejecución de este maravillosos instrumento, de cierta manera se pretende coadyuvar para revitalizar su popularidad como instrumento emblemático potosino en las futuras generaciones, en especial dentro la amplia extensión del departamento de Potosí

Tabla 1 Procedencia de los participantes charanguistas

Procedencia	Participantes
Potosí	7
Chuquisaca	37
Cochabamba	11
Oruro	4
La Paz	1
Argentina	2
Colombia	2
USA	1
Total	65

Nota. Datos extraídos de RRSS del reto del charango del artista Julio Cuellar

Se evidencia que solo el 11% de los participantes son potosinos y Chuquisaca predomina con una participación del 57%, ello muestra que es necesario alentar la participación y la interpretación del charango con mayor ímpetu en Potosí, la cuna del charango.

Figura 1

Se destaca el interés de países como Argentina, Colombia y Estados unidos en participar de este reto del charango, cuya convocatoria la realiza el artista Julio Cuellar desde USA.

Figura 2

La participación de tanto citadina como de las provincias potosinas, suman un 11% frente a un 89% de participantes otras regiones de dentro y fuera de Bolivia.

Tabla 2 Participación por grupo etareo

Categoría	Participantes
Niños	20
Jóvenes	11
Adultos	34
Total	65

Nota. Elaboración propia con base a los datos de los participantes del concurso “reto del charango”.

Figura 3

Nota. Elaboración propia con base a los datos de los participantes del concurso “reto del charango”.

En su mayoría quienes participaron fueron los adultos, estos representan al 52% de los participantes, los niños fueron los menos presentes, su participación representa el 17% del total de participantes del “reto del charango.

Tabla 3 Ritmo ejecutado

Ritmo	Participantes
Huayño	24
Cueca	16
Tonada	10
Bailecito	9
Kinsa	2
Salay	2
Carnavalito	1
Chacarera	1
Vals	1

Nota. Tabla de datos elaborada con la verificación de los videos compartidos en Facebook Julio Cuellar Music, “reto del charango”.

Figura 4

Conclusión.

El concurso "El Reto del Charango Boliviano" refleja tanto la diversidad como las tendencias actuales en torno a la ejecución del charango en Bolivia. A nivel geográfico, destaca la predominancia de participantes chuquisaqueños, lo que sugiere una fuerte tradición en ese departamento, mientras que la participación de otras regiones, como Potosí, fue limitada, posiblemente debido a la falta de difusión o barreras tecnológicas. En cuanto al sexo, la mayoría de los concursantes fueron hombres, lo que podría indicar que el charango no goza de la misma popularidad entre las mujeres.

Respecto a los géneros musicales, el huayño y la cueca son los ritmos más interpretados, lo que sugiere una conexión emocional con estos ritmos folclóricos, que son muy presentes en festividades bolivianas. Finalmente, el análisis etario muestra que la mayoría de los participantes son adultos, reflejando que el charango tiene una mayor aceptación entre las generaciones más maduras. Esto pone de relieve, el desafío de promover el charango entre las nuevas generaciones para asegurar su relevancia en el futuro musical del país, pero sobre todo de entre los potosinos.

Bibliografía.

Necesidades y expectativas de formación complementaria: constructor/a de charango. (2017). minedu.gob.bo. Recuperado 24 de septiembre de 2024, de https://www.minedu.gob.bo/files/publicaciones/veaye/spcc/Matriz-FC-Constructor-de-Charango.pdf

Fernández, J. (2024, 12 mayo). La magia del charango: Historia, construcción y técnicas de interpretación" — Clases de Guitarra Online. Clases de Guitarra Online. https://www.clasesguitarraonline.com/artculos/charango

Jornada, D., & Jornada, D. (2022, 7 octubre). CHARANGO SU ORIGEN | Diario Jornada. Diario Jornada | iÚnete a nuestra comunidad de lectores y mantente informado con Diario Jornada! • EI diario judicial de la región de Ayacucho. https://jornada.com.pe/charango-su-origen/

Mendívil, J. (Ed.). (2018). El charango: historias y tradiciones vivas. Hollitzer Wissenschaftsverlag.

Muñoz Antequera E. A. (2017). Centro cultural «Mauro Nuñez»: Villa Serrano-Chuquisaca.

Anexo A

Guía para la Recolección de Datos en un Mercado de Abasto

Objetivo:

Aplicar los conocimientos de estadística descriptiva en un contexto real.
Desarrollar habilidades de observación y recolección de datos.
Analizar y comprender las características de un mercado local.

Materiales:

Hojas de cálculo (Excel, Google Sheets)
Lápices o bolígrafos
Cámara fotográfica (opcional)
Guías de observación (prediseñadas)

Pasos a seguir:

Definición de variables:

Antes de ir al mercado: Identifiquen las variables que desean medir. Por ejemplo:

Tipo de producto (frutas, verduras, carnes, etc.)
Precio por unidad
Origen del producto
Presentación del producto (a granel, empaquetado)
Cantidad de puestos que venden cada producto
Interacción entre vendedores y compradores
Condiciones de higiene

Durante la visita: Pueden surgir nuevas variables de interés.

Diseño de la guía de observación:

Creen una tabla o formulario donde registrarán los datos.
Incluyan una columna para cada variable.
Consideren agregar una sección para observaciones cualitativas.

Selección de la muestra:

Decidan qué puestos visitarán. Pueden seleccionar al azar, por tipo de producto o por zona del mercado.

Recolección de datos:

Observación directa: Anoten los datos en la guía de observación.
Entrevistas cortas: Pueden hacer preguntas sencillas a los vendedores (por ejemplo, sobre el origen de los productos).
Registro fotográfico: Documenten los productos, los puestos y aspectos relevantes del mercado.

Organización de los datos:

Una vez en el aula, transfieran los datos a una hoja de cálculo.
Verifiquen la consistencia y completitud de los datos.

Análisis estadístico descriptivo:

Medidas de tendencia central:

Calcular el precio promedio de cada tipo de producto.
Identificar el producto más vendido.

Medidas de dispersión:

Calcular la desviación estándar de los precios.
Identificar la variabilidad de los precios entre los diferentes puestos.

Análisis de frecuencias:

Crear tablas de frecuencia para las variables categóricas (tipo de producto, origen).
Representar los datos en gráficos (barras, circulares).

Observaciones cualitativas:

Análisis de las interacciones:

Describir las formas de negociación entre vendedores y compradores.
Identificar las estrategias de venta utilizadas.

Condiciones del mercado:

Evaluar la limpieza, el orden y la infraestructura del mercado.
Identificar posibles problemas o áreas de mejora.

Informe final:

Presentar los resultados de manera clara y concisa.
Utilizar tablas, gráficos y diagramas para visualizar los datos.
Interpretar los resultados y relacionarlos con el contexto del mercado.
Extraer conclusiones y hacer recomendaciones.

Ejemplos de preguntas para guiar la observación:

¿Qué productos son los más frescos?
¿Cómo se exhiben los productos?
¿Qué tipo de embalaje se utiliza?
¿Hay productos de temporada?
¿Cómo se fija el precio de los productos?

Recomendaciones adicionales:

Trabajo en equipo: Dividir las tareas entre los estudiantes para optimizar el tiempo.
Ética en la investigación: Respetar a los vendedores y no interferir en sus actividades.
Seguridad: Prestar atención a su entorno y tomar las precauciones necesarias.

Bibliografía

Agresti, A., & Finlay, B. (2009). Estadística aplicada a las ciencias sociales (4ª ed.). Pearson.

De Veaux, R. D., Velleman, P. F., & Bock, D. E. (2017). Estadística (2ª ed.). Pearson.

Gujarati, D. N., & Porter, D. C. (2009). Econometría. McGraw-Hill.

Gutiérrez, G. (2014). Estadística descriptiva: Fundamentos y aplicaciones. Editorial UOC.

INE (Instituto Nacional de Estadística de Bolivia). Publicaciones y métodos de cálculo.

Instituto Nacional de Estadística y Geografía. (2020). Conceptos básicos de estadística descriptiva. https://www.inegi.org.mx

Material educativo abierto disponible en el portal de la UNAM. (2021, enero 1). Módulo I – La estadística oficial, su importancia y utilidad [PDF]. La Paz, Bolivia: Calle Victor Sanjínez #2678 (Plaza España) – Edificio Barcelona, Tercer Piso. Recuperado de file:///C:/Users/HP-i7/Desktop/14%20ava%20estad%C3%ADstica%20descriptiva/temas%20de%20clases/MODULO%201.pdf

Montgomery, D. C., & Runger, G. C. (2018). Estadística aplicada y probabilidad para ingenieros (6ta ed.). McGraw-Hill.

Newbold, P., Carrión, W. L., & Thorne, B. (2017). Estadística para administración y economía (9ª ed.). Pearson.

Novales, A. (2011). Econometría. McGraw-Hill.

POTOSI, G. A. (2021–2025). Plan territorial de desarrollo integral para vivir bien. Potosí.

Ramírez, A., & Sánchez, L. (2012). Estadística aplicada en las ciencias sociales. Editorial Académica.

Sullivan, M. (2013). Fundamentos de estadística (4ª ed.). Pearson.

Triola, M. F. (2018). Introducción a la estadística (12ª ed.). Pearson.

Universidad Nacional Autónoma de México. (2017). Estadística descriptiva y probabilidades. https://www.unam.mx/estadistica-descriptiva

Vila, F. S. (2012, enero 1). 100 ejercicios resueltos de estadística básica para economía y empresa. Recuperado de http://publicacions.uab.cat/

Buscar este blog

VOLUNTARIAS BOLIVIA

PROBLEMARIO DE ESTADÍSTICA DESCRIPTIVA

Comentarios

Publicar un comentario

Entradas populares de este blog

LA FLUENTE ASOCIACIÓN CRISTIANA FEMENINA NACIONAL EN BOLIVIA

publicaciones