Estadistica Aplicada Adesarollo PDF

ESTADISTICA BASICA PARA
PLANIFICACIN
por
ARTURO NEZ DEL PRADO BENAVENTE
)*a
siglo
veintiuno
edrtores
MXICO
ESPAA
ARGENTINA
COLOMBIA
siglo veintiuno editores, sa
CERRO DEL A G U A 248. M E X IC O 20. D.F.
siglo veintiuno de espaa editores, sa

C / P I A Z A S, M A D R ID 33. E S P A A
siglo veintiuno argentina editores, sa
siglo veintiuno de colombia, ltda

A V . 3o. 17-73 PRIMES PISO. B O G O T A , D.E. C O LO M BIA
portada de francisco leyte lobaco
primera edicin, 1971

dcima edicin, 1981
siglo xxi editores, s. a.
ISBN 968-23-0416-4
derechos reservados conforme a la ley

impreso y hecho en mxico/printed and made in mexico
aS.'HoZb V " * A "
' . \
\ \#A
'#* J '"'V - 'V.-
V\ N
Neconoma
x N\ J x y
c ^ \deiqogirafa
Textos
del
IN S T IT U T O LA TIN O A M ER IC A N O
DE PLA N IFIC A C I N ECON M ICA
Y SOCIAL
El Instituto Latinoamericano de Planificacin Econmica y Social ( i l p e s ) es un orga

nismo autnomo creado bajo la gida de la Comisin Econmica para Amrica Latina
( c e p a l ) y establecido el 1 de julio de 1962 en Santiago de Chile como proyecto del
Fondo Especial de las Naciones Unidas con amplio apoyo de los paises de la regin
y de diversos organismos internacionales y privados.
Su objeto principal es proporcionar, a solicitud de los gobiernos, servicios de capa
citacin y asesoramiento en Amrica Latina y realizar investigaciones sobre desarrollo
y planificacin. Desde su fundacin, el Instituto ha venido ampliando y haciendo ms
profunda la obra de la c e p a l en el campo de la planificacin, merced al esfuerzo con
junto de un grupo de economistas y socilogos distinguidos de Amrica Latina, entre
gados por completo al estudio y solucin de los problemas fundamentales que preocu
pan en la actualidad a los paises de esta parte del mundo.
Desde su creacin el Instituto ha realizado una labor de gransignificacin dentro
de las funciones que se le encomendaron. A fin de difundirla debidamente en el mbito
latinoamericano, se ha llegado a un acuerdo con Siglo X X I de Mxico, para que vaya
publicando y distribuyendo los trabajos del Instituto.
N D IC E
PRLOGO
INTRODUCCIN
PRIM ERA P A R TE : ESTA DSTICA DESCRIPTIVA
I ESTA D STICA Y PLA N IFIC A C IO N
A. Las necesidades de informacin, 9; B . Mtodos de obtencin de

informaciones, 15; c. La disponibilidad de informacin en Amrica
Latina, 18; n. El control de la calidad de las informaciones esta
dsticas, 20; E . Estadstica para planificacin, 22; r. Plan nacional
de estadstica, 25
II ESTAD GRAFO S D ESC R IPTIV O S EST TICO S
A. Distribucin de frecuencia, 27; b . Estadgrafos de tendencia cen

tral, 88; o. Evaluacin de los estadgrafos de tendencia central,
51; . Estadgrafos de dispersin, 52; i:. Utilizacin de indicadores
de la programacin, 64; temas de discusin, 64; Problemas pro
puestos, 67; Ejercicios, 68; Solucin de ejercicios, 71; Anexo: distri
bucin normal, 85
III N M ERO S NDICE
A. El problema general, 90; b . Clases de nmeros ndice, 90; c .

Frmulas de clculo, 91; Pruebas sobre los nmeros ndice, 97;
' i.. Base de un nmero ndice, 100; r. Utilizacin tie losnmeros
ndice, 103; o. ndices de comercio exterior, 117; i i . Algunos indi
cadores econmicos, 119; i. Etapas de la construccin tie nmeros
ndice, 126; Tenias de discusin, 129; Problemas propuestos, 130;
Ejercicios, 132; Solucin tie ejercicios, 135
SECUNDA P A R T E : ANALISIS DE REGRESIO N Y CORRELACION
I A N LISIS DE REGRESIN
A. Mtodo tic los mnimoscuadrados, 145; b . Consideraciones prc

ticas, 157
II CORRELACIN
A. Objetos del anlisis de correlacin, 160; b . Tipos tie correlacin,

161; c. F.1 coeficiente tic correlacin, 162; n. Limitaciones de la co-
VI N D IC E
rrelacin, 163; f.. Correlacin rectilnea, 164; f . Correlacin no rec

tilnea, 177; r.. Correlacin mltiple, 18; n. Etapas de la construc
cin de un modelo de regresin y correlacin, 187; i. Mtodo de
estimacin por medio del coeficiente de elasticidad, 190; Temas
de discusin, 20; Problemas propuestos, 207; Ejercicios, 208; So
lucin de ejercicios, 213
BIBLIO G RA FIA 234

PRLOGO A LA QUINTA EDICIN
La naturaleza de los trabajos que me correspondi realizar primero

en el i l p e s , luego como funcionario de gobierno y actualm ente
en la c e p a l , me ha brindado la oportunidad de verificar en el
terreno que los objetivos que se tuvieron en mente al preparar la
prim era edicin de este libro se han visto holgadamente cum pli
dos. No soy el ms indicado para evaluar sus bondades, si es que
las tuviera. Pero no me parece falta de modestia destacar que el
objetivo que ms gravit en la concepcin del texto cual fue
el de inculcar en el lector y, principalmente, en el alum no de los
cursos del i l p e s un espritu crtico guiado por la bsqueda de
coherencias cuantitativas es cada vez ms legtimo.
E n mis conversaciones con profesores universitarios, funciona
rios de oficinas de planificacin y ex alumnos del i l p e s disemina
dos en Amrica Latina, invariablemente se toca el tema de la fi
delidad de la informacin cuantitativa. L a informacin estadstica
disponible en Amrica Latina no siempre, por decir lo menos,
satisface las pruebas bsicas de coherencia. Es muy frecuente en
contrar estimaciones que, debiendo guardar ciertos grados de
consistencia con otras variables, aparecen publicadas contravinien
do elementales pruebas de compatibilidad.
A medida que se progresa en los trabajos cuantitativos en la
regin, resulta ms necesario realizar diversas pruebas de coheren
cia de las estimaciones que se han de utilizar en los trabajos so
bre planificacin. P or mucho que ellas provengan de listados de
computadoras o de sofisticados modelos matemticos, es prudente
someterlas a los contrastes indispensables. Slo una vez que hayan
resistido y pasado la prueba de form ar parte de esquemas cuan
titativos razonablemente admisibles e integrados, puede pensarse
en utilizarlas en los trabajos que la planificacin implica en sus
distintos plazos y niveles de agregacin.
Los diversos grados y sentidos de interdependencia entre las
variables que conforman los procesos de planificacin y poltica
econmica facilitan la configuracin de esquemas cuantitativos
coherentes. Las ventas de un sector son compras de otros, los in
gresos de ciertos grupos provienen de otros, los excesos de gasto
de los menos merman el consumo de los ms, etc. No resulta di
fcil vincular una estimacin sobre cierta variable a otras con las
cuales, dado el funcionamiento de la actividad econmica, debiera
mantener ciertas relaciones razonables.
L v i
VIH PRLOGO A LA QUINTA EDICIN
Estas reflexiones dirigidas principalmente a quienes ensean
la estadstica bsica tienen su sustento en reiteradas com proba
ciones de lo indispensable que resulta dudar de estimaciones ais
ladas. Cuntas horas de esfuerzo, cunto dinero, cuntas decisio
nes errneas no se hubieran evitado si se tuviera como inclina
cin permanente someter a pruebas de coherencia las estimaciones
que se utilizan. Esta prctica no slo favorece el trabajo cuanti
tativo, tambin tiene enormes ventajas en la interpretacin de los
fenmenos econmicos. Interpretar magnitudes que se relacionan
con otras es ms fcil y ms til en la identificacin de sus im
plicaciones que considerarlas aisladamente. De la misma manera
que en medicina el conocer la tem peratura o la cantidad de gl
bulos blancos no es suficiente para aventurar un diagnstico,
en economa las estimaciones aisladas apenas sugieren la existen
cia de eventuales fenmenos, y en todo caso no son ms que el
inicio de una investigacin que en su desarrollo debe alcanzar
niveles de rigor que avalen sus conclusiones.
A la larga, los economistas que trabajan con instrumentos cuan
titativos desarrollan capacidades, muchas veces sobre la base de
una aguda intuicin, que les permiten calibrar las estimaciones
y, utilizando su experiencia, establecer las pruebas pertinentes.
Sin embargo, si en la etapa de formacin de un planificador pue
de desarrollarse esa tendencia de m anera que su inquietud natu
ral sea la de verificar coherencias, se habr ganado tiempo y se
habr conseguido aum entar su productividad potencial.
L a lectura de los distintos captulos de este libro y especialmen
te de los ejercicios, prblemas y temas de discusin, permite com
probar la intencin permanente de acicatear al lector para que se
incline, antes de utilizar una informacin, por la verificacin de
consistencias fundamentales.
ARTURO NEZ DEL PRADO
agosto de 1976
PRLOGO
FRANCISCO AZORN
M ucho me honra y complace presentar una obra de tan sobre

saliente m rito como es la Estadstica bsica para planificacin,
del profesor A rturo Nez del Prado. Es evidente la necesidad
de inform acin estadstica para la planificacin del desarrollo
econm ico y social; no lo es menos la conveniencia de planificar
a su vez las operaciones estadsticas, para que sirvan a su fina
lidad con eficacia. Este libro viene a satisfacer con suma opor
tunidad tan urgentes requerimientos.
Es grande el nm ero de publicaciones disponibles sobre esta
dstica m atem tica o aplicada e incluso de las dedicadas a las
investigaciones econmicas y sociales, pero apenas existen obras
que tengan en cuenta el aspecto especfico de la planificacin.
El profesor Nez del Prado h a estado en posicin privilegiada
para preparar esta obra, por su extensa experiencia en las di
versas fases de la planificacin y por haber dirigido cursos y
seminarios para planificadores, lo que no le h a impedido m an
tenerse fiel a su vocacin original de estadstico. As ocurre que
el planificador incipiente o experto que consulte este libro se
encuentra ante un estadstico que le habla en su propio len
guaje. Desde el comienzo se trata del diagnstico y de l prog
nosis, de la delimitacin de la estrategia, as como de los proce
dimientos censales, mustrales y de experim entacin numrica,
y partiendo, como es ineludible, de los elementos del estudio,
se procede con ritm o mesurado a recorrer el trecho desde los
estadgrafos descriptivos estticos a los problemas bidimensiona-
les de correlacin y regresin, pero siempre atendiendo al ob
jetivo principal de la tarea. P o r ejemplo, en la prim era parte
se destaca la utilizacin de los indicadores de la programacin
y de los nmeros ndices, y en la segunda el empleo de los coefi
cientes de elasticidad.
Atencin especial m erecen los temas de discusin, que con los
problemas y ejercicios facilitan la comprensin y el dom inio de
las tcnicas y suscitan el inters por nuevos caminos, distintos
[l]
2 PRLOGO
de los que se siguen en las ciencias fisicoqumicas o en la inge

niera clsica.
Este libro tendr sin duda un efecto positivo y fecundo en la
integracin de los estudios de planificacin y de estadstica, y
ser una buena herram ienta para quienes trabajan unidos por el
comn deseo de acelerar el desarrollo de los pueblos.
INTRODUCCIN
Circula, tanto en castellano como en otros idiomas, una profusa

bibliografa sobre estadstica; la conocen, frecuentan y utilizan,
provechosamente por cierto, los interesados. Por ello, quiz cabra
preguntarse qu sentido tiene aumentar, con un nuevo trabajo,
el nm ero ya abundante de publicaciones sobre la m ateria. Sin
embargo, las siguientes consideraciones parecen justificar el es
fuerzo.
En primer trmino, la bibliografa sobre estadstica, en su gran
mayora, presenta mtodos estadsticos puros, ya sea por su tra
tam iento m atem tico o desde un punto de vista descriptivo, m e
nos riguroso, aunque ms accesible a los investigadores en gene
ral. P or ello no es fcil encontrar un texto que resum a un
conjunto de mtodos estadsticos necesarios para el investigador
en m ateria de planificacin. U n o de los propsitos de este tra
bajo consiste, precisamente, en realizar una seleccin de temas,
los ms tiles, que perm itan al planificador disponer de un ins
trum ental indispensable. P or o tra parte, es necesario advertir que
el texto fue concebido para estudiantes de cursos intensivos de
planificacin, donde a la estadstica como asignatura se le con
cede un nmero reducido de clases y seminarios. Los diferentes
temas presentados en el texto, se com plem entan con una serie
de ejercicios de seminarios, a travs de los cuales se pretende mos
trar problemas y soluciones concretas sobre aspectos que, habi
tualmente, se presentan durante la realizacin de planes de des
arrollo.
T am p oco puede dejar de considerarse la gran heterogeneidad
de alumnos que asisten a estos cursos, pues el tema de la plani
ficacin econm ica y social compete a muchas disciplinas. El
tratam iento de los diferentes temas, en consecuencia, debe ha
cerse accesible a esta especial categora de alumnado. L a anterior
observacin se refiere principalmente a los mtodos matemticos
utilizados. P ara la comprensin de los planeamientos metodol
gicos ofrecidos, es necesario un m anejo gil del lgebra superior
y una cabal comprensin de los conceptos bsicos de geometra
analtica y clculo diferencial e integral.
O tro aspecto que se tuvo en cuenta al redactar este texto es
que la asignatura estadstica brinda un instrum ental previo que
[3 ]
4 INTRODUCCIN
permite un m ejor tratam iento de otras asignaturas de los cursos

de planificacin. Se hizo, por lo tanto, un esfuerzo de compati-
bilizacin con las necesidades de instrumental que tienen asig
naturas como anlisis econmico, contabilidad social, evaluacin
de proyectos, planificacin, etc.
Los puntos anteriores constituyen un conjunto de condicio
nes, en funcin de las cuales se ha estructurado un curso espe
cial y se redact un texto bsico; para exponer todos y cada
uno de los temas presentados, se tuvieron en cuenta las m encio
nadas restricciones.
Este libro corresponde a una versin revisada de los apuntes
de clase utilizados en los cursos que se dictan en el Instituto L a
tinoam ericano de Planificacin Econm ica y Social, cuya amplia
acogida corroboran sus varias ediciones mimeografiadas y el in
ters que suscit su publicacin en forma de Cuadernos. De todas
maneras parece necesario advertir que el trabajo que se pre
senta en modo alguno pretende ser un m anual de estadstica
econmica. T ien e tan slo un propsito didctico y constituye
un texto de iniciacin para el estudio de esta tcnica cuantita
tiva. Est destinado a facilitar el dominio de un instrumental
mnimo indispensable en m ateria de planificacin, proporcio
nando un conjunto de conceptos que aseguren al planificador
la posibilidad de percibir tanto las ventajas como las lim itacio
nes del empleo de indicadores estadsticos, y perm itan interpretar
cabalmente los estadgrafos de uso ms frecuente. Interesa al mis
mo tiempo que el planificador pueda establecer, en estudios ms
profundos, relaciones de trabajo eficientes con estadsticos y eco-
nometristas.
Es preciso destacar que este texto est constituido en buena
parte por resmenes y adaptaciones de temas tratados en otros,
co m a los A pu ntes de estadstica del profesor Pedro Vuskovic, el
Curso gen eral d e estadstica del profesor Enrique Cansado, la I n
troduccin a la estadstica de G. V. Yule y M. G. Kendall, y
la Estadstica gen eral aplicada de F. C roxton y D. Cowden. El
objetivo perseguido no es la originalidad conceptual; antes bien,
se pretende brindar un texto didctico, que incluya un conjunto
de temas ntim am ente relacionados con la planificacin, com
plementados con ejercicios que ilustren conceptos de m anejo co
tidiano en la prctica.
Debo hacer constar aqu mi reconocimiento a los seores Jorge
Carvajal, Sergio Chaigneau, Leonardo N avarro, Jacin to Vaello y
M ax Vildsola, quienes como profesores de seminario han cola
borado conmigo en las clases de estadstica para planificacin
INTRODUCCIN 5
dictadas en el curso bsico del Program a de Capacitacin del

Instituto. Este libro recoge sus valiosas sugerencias. Varios cap
tulos, especialmente aquellos que tienen estrecha vinculacin con
planificacin y contabilidad nacional, han sido discutidos con el
seor Pedro Sainz, quien ha hecho ~ tili-
dad. E l seor ' pa
ciencia el texto la
de otras persona X ^ ^ :en
mi gratitud. o- \
DO
r z
V
.J'
h
(r r i ;
' ' ' N
PRIMERA PARTE
ESTADISTICA DESCRIPTIVA
1
I
ESTADISTICA Y PLANIFICACIN
A. LAS NECESIDADES DE IN FO R M A C I N
T o m a r decisiones racionales supone disponer de informaciones

fieles, en cantidad suficiente, y con la oportunidad debida. Las
decisiones errneas se deben tanto a la falta de informacin como
a deficientes evaluaciones de sta. Cabe reconocer, desde un co
mienzo, que una buena proporcin de las informaciones que debe
m anejar un planificador son de tipo cuantitativo. L a estadstica
convencional presenta mtodos que facilitan el anlisis sobre va
riables cuantitativas; para el anlisis de variables cualitativas, la
estadstica no param trica ya alcanz un grado de desarrollo que
permite tratam ientos serios y de verdadera utilidad. Existe, por
lo tanto, un cuerpo de conocimientos que posibilita el anlisis
tanto de variables cuantitativas como de las cualitativas. Sin em
bargo, las decisiones en planificacin implican evaluaciones no
estadsticas para ciertos aspectos del complejo problema. Con
viene tener presente, por lo que antes se ha dicho, que la esta
dstica es un instrumento til que permite analizar una parte
de los fenmenos que condicionan las decisiones n planificacin,
donde intervienen aspectos econmicos, sociales y polticos con
todas sus interacciones. Puede lograrse el conocim iento de la es
tructura de importaciones, la distribucin del ingreso y la com
posicin de fuerzas polticas, empleando instrumentos estads
ticos; pero estimar la reaccin de las clases populares ante una
cierta tasa de crecim iento del consumo, exige una evaluacin sub
jetiva e implica, en parte, juicios no cuantitativos.
H a surgido una falsa controversia sobre las necesidades de in
formacin. Por una parte, reducir los problemas que aparecen
en planificacin a trminos puram ente cuantitativos, sera sim
plificar en exceso el problema; por otra, desconocer la utilidad
de los instrumentos, significara circunscribir la discusin a un
marco muy general y peligrosamente confuso. Estas dos posicio
nes no constituyen alternativas; y tam poco es posible encontrar
defensores de una u otra. Identificarse con alguna de estas posi
ciones extremas, significara no comprender realm ente qu sig
9
[ ]
10 ESTADSTICA Y PLA N IFICA CI N
nifica la planificacin. P or lo dems, tam poco parece posible

disociar el planteam iento de problemas generales, de una necesa
ria cuantificacin. As, por ejemplo, proponer una cierta redistri
bucin del ingreso, supone conocer con bastante detalle cuantita
tivo, la distribucin existente y la redistribucin deseada; sealar
la necesidad de distribuir ingresos, es apenas indicar vagamente
un problema y un objetivo, cuya factibilidad y profundidad no
pueden juzgarse si se desconocen cuantitativam ente los tramos de
ingreso y las proporciones de la poblacin que los capta. Este ejem
plo en modo alguno pretende postular que las informaciones
deben ser necesariamente precisas; en planificacin se puede tra
bajar con estimaciones, que en general suponen aproximaciones.
T am poco es indispensable una precisin rigurosa; saber, por ejem
plo, que el coeficiente de inversin es del 10 o del 12 por ciento
no establece una significativa diferencia para calificar esta situa
cin. Vale decir, se pueden tolerar desvos razonables, mas es
preciso tener conciencia de qu significa un orden de magnitud,
un intervalo razonable o, en general, la utilidad cie una aproxi
macin. Es indispensable, cuando se trabaja con estimaciones,
plantear un intervalo donde, con una probabilidad cercana al
100 por ciento, se encuentre el valor verdadero; ahora bien, este
intervalo tendr una am plitud razonable, siempre que las con
clusiones no sean significativamente distintas en uno y otro ex
tremo de dicho intervalo. Admitido en planificacin este criterio
puede permitirse, y a veces no hay otra alternativa, la cuantifi
cacin aproxim ada, sobre la base de estimadores. Juicios de valor
y opiniones generales no bastan; es preciso que las justificacio
nes obedezcan a deducciones lgicas, identificando magnitudes,
proporciones e indicadores en general, pues todos ellos ayudan, y
a veces en forma insustituible, a calificar fenmenos y obtener
conclusiones objetivas y consistentes.
D entro de este contexto general la acum ulacin de informacio
nes y su uso racional es inherente a un proceso de planificacin.
A continuacin se detalla el empleo de los mtodos estadsticos
durante las diversas etapas! de un proceso de planificacin.
1] E n el diagnstico /h
Identificar los principales problemas de un sistema socioecon

mico implica, por una parte, la investigacin de una perspectiva
histrica, la identificacin de la estructura de poder, el compor
tamiento de estos grupos y los resultados que producen en las
principales variables de evaluacin: distribucin del ingreso, es
NECESIDADES DE IN FO RM A CI N 11
tructura del comercio exterior, estructura y magnitud de la in
versin, estructura del consumo, etc. A hora bien, puede ser til,
aunque no suficiente, conformarse con impresiones cualitativas
sobre los aspectos citados; esta clase de informacin, si bien ad
mite cierto tipo de calificaciones, no permite una comprensin
cabal del funcionamiento del sistema considerado. U n diagnsti
co completo debera incluir una descripcin de su funciona
miento.
P ara responder a este punto, resulta casi innecesario insistir
sobre la urgencia de contar con informacin bsica y con mtodos
estadsticos que perm itan tratar y evaluar dicha inform acin; se
necesitan tanto los anlisis de corte transversal, como los de pro
cesos dinmicos. E n otras palabras, la estadstica descriptiva, vale
decir, los indicadores de posicin, dispersin y asimetra hacen
posible caracterizar situaciones en el tiempo desde diferentes pun
tos de vista. Adems el anlisis de series cronolgicas, los anli
sis de regresin y correlacin se utilizan para analizar el com
portam iento y la interrelacin de las variables en el tiempo. Como
es evidente se trata de anlisis parciales, por etapas, que nece
sariamente deben compatibilizarse para obtener conclusiones con
sistentes. Cada estadgrafo o indicador muestra un aspecto, una
faceta del problema; es necesario disponer, pues, de un conjunto
de indicadores, estticos y dinmicos, para as poder analizar el
problema desde ngulos diferentes que den un m arco integral
al estudio.
Sin embargo, aun disponiendo de indicadores estticos y di
nmicos, tampoco es posible dar por term inada esta etapa sin
antes disponer de una descripcin detallada del funcionamiento
de la actividad socioeconmica; y esta descripcin puede ser li
teral o m atem tica. Esta ltim a forma tiene evidentes ventajas,
en cuanto a consistencia, claridad, precisin y el planteamiento
explcito de supuestos. L a estadstica juega un papel fundamen
tal en la determ inacin de funciones y en la especificacin de
valores de los parmetros que intervienen en las diferentes re
laciones.
2] E n la prognosis
En las proyecciones de las variables socioeconmicas resulta par

ticularm ente im portante la aplicacin de mtodos de regresin y
correlacin y las estimaciones por razn, proporcin y elasticidad,
cuando se acepta el cumplimiento de los supuestos implcitos en
las tendencias histricas, y se admiten reacciones similares a las
12 ESTADSTICA Y PLA N IFIC A C IO N
del pasado, frente a cambios en determinados factores cuyo com

portamiento futuro pueda preverse, o sobre el cual pueda influirse
deliberadamente. Esta visin anticipada del futuro permite com
prender la m agnitud de los problemas en una dim ensin, poten
cial. En los diagnsticos suelen percibirse graves problemas, pero
una proyeccin deja ver el empeoramiento de esas situaciones, y
los efectos que tendran, si no se adoptan decisiones que cambien
el sentido de esas tendencias. Las extrapolaciones estadsticas son
precisamente los instrumentos apropiados para establecer prog
nosis.
3] E n la configuracin de la imagen
Si por la imagen a largo plazo que se puede hacer de un pas se

entiende un conjunto de intenciones condicionadas por expec
tativas de variables no controlables, que refleje los cambios desea
bles para las situaciones percibidas en el diagnstico, parece lcito
cqnvenir que dicha imagen no slo debiera incluir caractersti
cas cualitativas, sino que adm itira y sera beneficioso que en la
imagen se precisen hasta donde la informacin perm ita caracteri
zaciones cuantitativas de im portancia. Si en el diagnstico, por
ejemplo, se advierte que la estructura de exportaciones e impor
taciones es perniciosa, y por lo tanto debe ser modificada, pos
tular que se debe cam biar esa situacin en favor de una estructura
de exportaciones que conceda mayor im portancia al rubro m a
nufacturas a expensas de una m enor participacin de materias
primas, es slo form ular una intencin general, que no puede
ser calificada por su factibilidad ni por la im portancia del ob
jetivo y su compatibilidad con otros objetivos que plantea la
imagen. Para cum plir con los requisitos mencionados, no se puede
negar la necesidad de disponer de un conjunto de datos cuantita
tivos y cualitativos que pueden obtenerse aplicando mtodos esta
dsticos idneos. L a imagen debera ser la culm inacin de un plan
a largo plazo, y como tal, factible y consistente. Cmo calificar
factibilidad y consistencia en un plano muy general de ideas?
No se pretende justificar la caracterizacin de una imagen bajo
una m araa de datos que haran perder la visin central de las
metas propuestas. Es a todas luces evidente que una imagen, por
el plazo dentro del cual se la sita y por las informaciones que
se disponen en el momento de configurarla, no puede abarcar
detalles si se desea hacer un trabajo serio y honesto. Pero s debe
contener un conjunto de variables que perm itan juzgar la auda
cia o la cautela en el planteamiento de objetivos y su com patibi
NECESIDADES DE INFORM ACIN 13
lidad intrnseca. E l estudio de series cronolgicas, las proyecciones
por elasticidad, los modelos de regresin y correlacin y, en ge
neral, los modelos de planificacin, constituyen herram ientas de
enorme utilidad.
4] E n la delim itacin de la estrategia
Constituye la estrategia el vnculo entre diagnstico e imagen;

que en la prctica significa decidirse por alternativas referentes
a medidas muy generales de poltica econm ica que conducen al
logro de los objetivos planteados en la imagen.
N aturalm ente existe una relacin ntim a entre diagnstico,
imagen y estrategia; y estos conceptos del proceso de planifica
cin estn m utuam ente condicionados. A los efectos de su pre
sentacin se los considera por separado, pero eso no debe hacer
suponer que se trata de elementos disociados; antes bien, supone
un encadenamiento de acciones en el tiempo. Se dijo antes que
la eleccin de una estrategia resulta de tom ar en cuenta alter
nativas; supuesto esto, es necesario evaluar dichas alternativas
en la medida que las informaciones lo perm itan. Necesariamente
es indispensable definir grandes proyectos ligados a las alterna
tivas de estrategia e imagen planteadas. Es fundam ental un m
nimo de cuantificaciones, proyecciones y estimaciones que susten
ten las evaluaciones. Cambios sustantivos y concretos, implcitos
o explcitos, en la imagen y estrategia deberan evaluarse tanto
desde puntos de vista cualitativos, como cuantitativos. Nueva
mente parece oportuno insistir sobre el hecho que es indispensable
un m nim o conocim iento de mtodos estadsticos para enfrentar
este complejo problema. Es evidente que la base de sustentacin
de imgenes y estrategias realistas est constituida por el aco
pio de informaciones respecto de perspectivas en el avance tec
nolgico, en las prospecciones de recursos naturales, en las
variaciones de las estructuras sociales, econmicas, institucionales,
polticas, en la composicin de la estructura de poder, etc. Su
pone, por lo tanto, mecanismos giles de captacin de inform a
ciones que perm itan anticipar la toma de decisiones, de acuerdo
a las expectativas que se tengan.
L a obtencin de informaciones durante un proceso de planifi
cacin, debera ser una tarea continua y no espordica; y por
otra parte, la inform acin prim aria que se obtenga debe ser
depurada, clasificada, resumida y analizada, aplicando adecuadas
tcnicas estadsticas.
14 ESTADSTICA Y PLA N IFIC A C I N
5] E n el plan a m ediano plazo

Consiste, por una parte, en la actualizacin de la imagen a un
plazo que media entre los tres y diez aos, con mucho mayores
detalles y especificaciones. Por otra, implica un conjunto de deci
siones de poltica econm ica m ucho ms concretas e individua
lizadas que en el plan a largo plazo; se definen proyectos secto
riales y regionales que dan contenido fsico a la estrategia; se
hace indispensable una evaluacin ms precisa de objetivos y
metas. Las tcnicas de proyeccin y los modelos de programacin
constituyen los instrumentos cuantitativos ms utilizados durante
esta etapa. Estimaciones p or regresin y elasticidad, la utilizacin
de matrices de insumo producto, los balances de materiales, etc.,
son instrumentos a los cuales nuevamente se apela, por lo gene
ral, en form a intensiva. L confeccin de una matriz de insumo
producto exige el manejo de una serie de mtodos estadsticos;
las actualizaciones de matrices obsoletas im plican correcciones de
coeficientes que suponen una racional utilizacin de nmeros
ndices y de tcnicas mustrales. Proyecciones a precios constantes
y a precios variables que alcancen una estructura deseada, justi
fican una cabal comprensin de los temas sealados. Parece pues
innecesario destacar las necesidades de estimacin estadstica de
parm etros que suponen descripciones ms detalladas del funcio
namiento del sistema socioeconmico necesarias a mediano plazo.
6] E n el plan a corto plazo

P ara esta etapa es necesario concretar medidas especficas de po
ltica econm ica; pues parece que debera haber una superpo
sicin entre las intenciones y las actuaciones. Los mecanismos de
evaluacin que perm itirn calificar la transform acin de las in
tenciones en acciones, requieren una descripcin muy detallada
del funcionam iento del sistema econmico. Es fundam ental dis
poner, en un plano sectorial, institucional, y sociopoltico, ms
detallado, de funciones que expresan el com portam iento de va
riables trascendentes, por ejemplo funciones de produccin, fun
ciones de ingreso, funciones de consumo, funciones de precios,
etctera. T o d o esto supone que se dispone de una cantidad de
informaciones y se utilizan mtodos estadsticos que permiten
determ inar los valores de los parmetros.
7] E n el control d e avance y en la reform ulacin de los planes

Sabido es que el proceso de planificacin constituye una continua
revisin de alternativas a la luz de las nuevas informaciones que
O BTENCIN DE IN FO RM ACIONES 15
se van obteniendo a medida que transcurre el tiempo. P or otra

parte, es indispensable estar informado sobre la realidad de la
actividad socioeconmica para com pararla con las intenciones que
reflejan los diferentes tipos de plan. Estos dos hechos, entre otros,
obligan a realizar sondeos peridicos para ir percibiendo las
posibles distorsiones y para cerciorarse del grado de avance en el
cumplimiento de las metas y objetivos del plan. Adems es nece
sario subrayar que el acopio de inform acin debe ser oportuno;
verificar hechos histricos siempre ser interesante para una serie
de propsitos; pero verificar hechos en el momento que se pro
ducen es indispensable para las tareas de planificacin. E l empleo
d t tcnicas mustrales, aplicadas tanto a la estimacin de varia
bles cuantitativas como a la de variables cualitativas, por sus
indudables ventajas, parece ser una herram ienta verdaderamente
util, y esto sobre todo si se piensa en el costo y la oportunidad
con que se entregan los resultados. As, entre los estudios coyun-
turales que se realizan en Francia, figuran encuestas mensuales
sobre el desarrollo de la actividad industrial, sobre las condi
ciones de vida de las familias, etc., informaciones stas que se
recogen con extraordinaria - frecuencia y periodicidad. En los
pases latinoamericanos, donde las ideas de cam bio y reform a, en
lo social y en lo econmico, implican tareas reflejadas en una
cantidad de planes, es fundam ental plantear mtodos oportunos
para cap tar inform acin y sistemas que perm itan evaluadla.
B. MTODOS DE OBTENCIN DE INFORMACIONES
Para las distintas etapas del proceso de planificacin enum era

das en pginas anteriores, es posible m encionar los siguientes
mtodos que perm iten recoger la informacin necesaria.
1] Censo
Como es sabido constituye una indagacin completa, sobre las

variables que interesa investigar, de los elementos que com po
nen una poblacin claram ente definida. E l conocim iento censal
de una poblacin asegura la posibilidad de obtener datos feha
cientes, siempre que no se com etan errores en la recopilacin y
en el tratam iento de la masa de datos. E n general es muy difcil
que un censo, sobre todo cuando la poblacin es muy amplia
y diversa, est exento de alguno de los errores sealados. M ien
tras stos no distorsionen significativamente las caractersticas
reales de las poblaciones censadas, pueden pasarse por alto, des
de el punto tie vista de la planificacin, desviaciones razonables

respecto de los valores verdaderos.
Determinan las desventajas ms serias de este mtodo, el ele
vado costo que significa trabajar con volmenes de informacin
muy grandes y la demora consiguiente en obtener resultados con
cretos. Sin embargo, son indispensables investigaciones censales,
pese a estas desventajas, por lo menos cada cierto nmero de
aos, para posibilitar la utilizacin de otros mtodos durante los
perodos intermedios y para disponer peridicamente de infor
maciones completas.
2] Tcnica m aestral
Debe entenderse como una indagacin parcial sobre las variables
que interesa investigar, de los elementos que componen una po
blacin. Es parcial, puesto que se considera una fraccin, una
muestra, de la poblacin; sin embargo esta fraccin poblacional
debe ser calificada por su representatividad, es decir, debe ase
gurar que refleja, con alguna aproximacin, las caractersticas
poblacionales que interesa investigar. Este mtodo, en cierta me
dida debe ser considerado como un complemento de las inves
tigaciones censales; y complemento en un doble sentido: para
intercalar estimaciones entre los perodos censales y para desglo
sar y agregar otras variables a la$ investigadas por mtodos
censales.
Sus grandes ventajas radican en el costo que, en general, es
muy inferior al de un censo; en la oportunidad con que se entre
gan las estimaciones, y tambin en la posibilidad de realizar
indagaciones exhaustivas sobre fenmenos concretos. T a l vez la
mayor desventaja de esta tcnica la determine la necesidad de
trabajar con mrgenes de probabilidad inferiores al 100 por cien
to, es decir, sin la certeza absoluta que las estimaciones son vli
das. Ahora bien, esta desventaja implica riesgos que, por lo
general, tienen una probabilidad de ocurrencia inferior al 10
por ciento y muchas veces menores al 5 por ciento. Esta proba
bilidad puede ser tan pequea como se quiera; pero su reduccin
tiene como contrapartida un crecimiento del tamao de la mues
tra. El objetivo es trabajar con probabilidades pequeas de error
y con tamaos de muestra que no conviertan en prohibitiva la
investigacin por razones de costo y tiempo.
OBTENCI N DE IN FO RM ACIO NES 17
B] Estudios de casos tpicos

Puede considerarse este mtodo como un lmite de muestras
pequeas dirigidas. Consiste en seleccionar algunos elementos re
presentativos de grupos homogneos de la poblacin estudiada.
El anlisis de estos casos, que constituyen puntos importantes
del abanico completo de la poblacin, puede entregar informa
ciones que aunque incompletas, representen por lo menos un
punto de partida para indagaciones ms precisas. Este mtodo
debe ser interpretado como una investigacin preliminar, como
una prueba de factibilidad de posteriores investigaciones mus
trales o censales. Sus ventajas en materia de costo y tiempo son
evidentes. Y su gran desventaja estriba en el hecho que incorpora
cierta dosis de arbitrariedad en la calificacin de lo que es un
caso tpico o representativo; pero como se dijo, su principal apli
cacin responde a su factibilidad. Pinsese, por ejemplo, en dife
rentes alternativas de impuestos progresivos y exenciones; si se
seleccionan algunos casos representativos: familias de un obrero
no calificado, de uno calificado, de un empleado pblico, de un
empleado particular, de un profesional, de un gerente, de un ren
tista, etc., en cada uno de estos casos podr probarse cada una
de las alternativas planteadas. Algunas cie ellas sern fcilmente
descalificadas y la discusin puede llegar a circunscribirse a muy
pocas alternativas. Una pequea muestra puede dilucidar la dis
cusin cuando el nmero de alternativas se ha reducido. Es
necesario admitir que este mtodo supone algn conocimiento
realista de la poblacin para elegir los casos realmente re
presentativos.
4] Experim entacin numrica

El surgimiento y la utilizacin generalizada de computadores
electrnicos permite la posibilidad de tanteos, pruebas de ensayo
y error, con una velocidad extraordinaria, empleando un conjunto
numeroso de alternativas. Para la planificacin a corto plazo,
disponer de una descripcin detallada del funcionamiento de la
actividad econmica es una herramienta de innegable utilidad;
ahora bien, las descripciones detalladas suponen que se dispone
de una extraordinaria cantidad de informacin. Para ello se hace
necesario destinar una buena cantidad de tiempo y esfuerzo a la
recopilacin de datos, aunque sean aproximados, que permitan
alimentar el modelo que representa la formalizacin matemtica
de las ideas que se tengan respecto del funcionamiento del sistema
econmico. Las relaciones del modelo, de definicin y compor-
tamiento, implican una enorme cantidad de parmetros, muchos

de ellos desconocidos; por ello, una alternativa podra ser el in
tento de reproducir la historia reciente a travs del modelo.
El modelo se alimenta con los datos disponibles sobre variables
exgenas y parmetros y se dan valores intuitivos respecto de los
parmetros desconocidos. Con ese conjunto de datos, unos fieles
y otros estimados, se trata de reproducir la historia, por ejemplo
de los ltimos dos aos, cuyas variables exgenas y las principales
variables de resultado son conocidas. De la comparacin entre
las variables de resultado efectivas y las variables de resultado dadas
por el modelo, surgen ideas para reformular las ecuaciones de
comportamiento y para modificar los valores intuitivos de los
parmetros. Se pueden repetir muchas veces los experimentos has
ta encontrar satisfactoria la reproduccin que entrega el modelo.
Una reproduccin aproximada de las variables de resultado es el
punto de partida para realizar pruebas de sensibilidad, las que
consisten en modificar ligeramente los valores de cada uno de
los parmetros y analizar su efecto sobre las variables de resulta
do; la utilizacin de coeficientes de elasticidad permite calificar
los parmetros como crticos y neutros, segn el valor de dichos
coeficientes. Esta calificacin da una pauta para realizar investi
gaciones estadsticas y economtricas que permitan estimar aque
llos parmetros crticos con mtodos ms rigurosos y confiables.
Dada la interrelacin que tienen las variables en un modelo
de este tipo, tambin ser posible estimar, por medio de la expe
rimentacin numrica, variables y parmetros que puedan des
pejarse de otras relaciones de la descripcin. Evidentemente esto
supone una gran confianza en el tipo de funciones elegidas y en
los valores de los parmetros conocidos.
C. LA DISPONIBILIDAD DE INFORMACIN EN AMERICA LATINA
Una apresurada generalizacin sobre las disponibilidades de in

formacin estadstica en Amrica Latina corre el riesgo de no
tener una validez total. La gran heterogeneidad de pases que
caben dentro del comn denominador de subdesarrollados tam
bin se manifiesta en la disponibilidad de datos. Con todo, es
posible exponer algunas consideraciones que poseen un cierto
carcter general.
En primer lugar, es necesario aceptar como hecho evidente la
insuficiencia de informacin bsica sobre varios aspectos de im
portancia para la planificacin. Pocos son los pases que poseen
DISPONIBILIDAD DE INFORM ACIN 19
informaciones sobre distribucin de ingreso y de riqueza, y apa

rentemente no hay alguno que efecte este tipo de investigaciones
en forma continuada a nivel nacional.
La carencia de datos en una buena parte de los pases latino
americanos llega a ser realmente crtica; en algunos apenas se
dispone de uno o dos ndices de precios, y donde como agravante
se notan caractersticas inflacionarias permanentes. Esta carencia
de datos sobre precios ofrece un doble inconveniente: la dificul
tad de plantear polticas de precios y la imposibilidad de tra
bajar con valores reales, ya sea poder de compra o expresiones
fsicas; dos aspectos que interesan fundamentalmente a toda tarea
de planificacin. No es difcil seguir enumerando una serie de
deficiencias en materia de datos: se desconocen estructuras de con
sumo, de inversin, de capital, de produccin, de costos, etctera.
En segundo lugar, una vez admitido el hecho que hay una
aguda escasez de datos, tampoco se puede dejar de reconocer que,
aun as, no siempre se hace un aprovechamiento ptimo de la
escasa informacin disponible. Adems existen problemas de in
terpretacin de datos, provocados por deficiencias de las publica
ciones y por falta de entrenamiento en el anlisis estadstico.
Sin desconocer que en general la informacin es escasa, con
viene tener en cuenta que hay una mayor cantidad de datos de
la que habitualmente se supone, pues tambin existen investiga
ciones cuyos resultados no revisten carcter oficial. Es indispen
sable, por tanto, realizar inventarios de las estadsticas no publi
cadas. Adems, existe una gran cantidad de informacin en estado
primario, cuyo traspaso a tarjetas perforadas o a cintas o discos
magnticos, bastara para obtener clasificaciones o resmenes que,
a su vez, pueden transformar una masa de datos casi intil
en informaciones aprovechables para propsitos mltiples.
En tercer lugar, no se puede dejar de subrayar que al problema
de la escasez, se grega el del atraso con que se dan a conocer
informaciones que pueden tener enorme importancia en un de
terminado momento, pero que despus slo son tiles para verifi
car hechos pretritos, que ya pertenecen a la historia. La idea
de oportunidad en materia de planificacin adquiere una sig
nificativa importancia.
En cuarto lugar, parece til un breve comentario sobre la ca
lidad de las informaciones. Con frecuencia muchas estadsticas
provienen de muestras insuficientes o fueron obtenidas a travs
de cuestionarios que, involuntaria o inadvertidamente, inducen a
cierto tipo de respuestas. Un conjunto de informaciones socio
20 ESTADSTICA Y PLA N IFIC A C IO N
econmicas, difcilmente puede superar todas las pruebas de con

sistencia que pueden plantearse.
Finalmente, dada la exigua disponibilidad de recursos para en
frentar investigaciones estadsticas, puede observarse una curiosa
asignacin de prioridades de tareas. Los organismos pblicos y
privados, plantean muchas veces investigaciones en forma inde
pendiente, sin preocuparse por armonizar criterios de los usuarios
ni por dispendiosas duplicaciones.
D. EL CONTROL DE LA CALIDAD DE LAS INFORMACIONES ESTADSTICAS
Del aserto que en planificacin no cabe exigir precisin rigurosa,

no se sigue necesariamente que se pueda trabajar con cualquier
calidad de informacin recogida; se advirti ya que las desvia
ciones deban ser razonables y no exceder ciertos lmites de
tolerancia fuera de los cuales las conclusiones pueden ser ambi
guas. Las siguientes consideraciones quiz puedan facilitar la
comprobacin de la calidad.
1] H iptesis
Cuando se plantea una investigacin, es fundamental establecer
hiptesis previas acerca de los posibles valores que tendran las
variables investigadas. Confrontar los resultados efectivos con
las hiptesis previas, constituye una primera prueba que ayuda
en la evaluacin. Si ambos tipos de datos apuntan en el mismo
sentido, aumenta la confianza para admitirlos; si difieren en
forma significativa ser necesario averiguar la causa de las dife
rencias, por lo tanto, habra que revisar las hiptesis previas y
la metodologa que se aplic para obtener informaciones.
2] Consistencia
Es conveniente establecer pruebas de consistencia interna, dentro
del conjunto de los investigadores que se obtienen como resultado
de la investigacin, y tambin consistencia con otros antecedentes
disponibles. Todo esto permite calificar mejor los datos con los
cuales se trabaja. Recurdese que, en planificacin, uno de
los puntos ms delicadoses lograr compatibilizaciones en distin
tos sentidos. i
CONTROL DE CALIDAD DE IN FO RM ACION ES 21
3] R epresentatividad
La evaluacin de la representatividad de un indicador es parte
de la etapa de control; un ejemplo concreto de falta de una
evaluacin adecuada, es la jerarquizacin del nivel de desarrollo
de un pas basndose sobre los ingresos por habitante.
En primer lugar, un promedio no siempre es representativo;
para que lo sea, todos los valores tendran que estar muy prxi
mos a dicho promedio; el caso de los ingresos por habitante
est muy lejos de acercarse a esta situacin. En segundo lugar,
hay un problema de cmputo cie los ingresos reales: evaluaciones
ciei autoconsumo y utilizacin de sistemas de deflactacin muy
diferentes entre los pases, hacen todava menos comparables los
referidos promedios. A pesar de todo esto hay una tendencia a
utilizarlos en las comparaciones internacionales sin especificar
sus limitaciones. Cuando se manejan estadgrafos o indicadores
que, en general, resumen de manera imperfecta una masa de
datos, parece recomendable detenerse en el anlisis de su repre
sentatividad y especificar qu faceta del problema puede abor
darse a travs de ellos y qu otros aspectos quedan al margen
de tales indicaciones.
4] Sesgos
Cuando se recolectan informaciones por medio de encuestas, es
particularmente importante registrar y eliminar, o por lo menos
reducir, la posibilidad de trabajar con informaciones que con
tengan sesgos. Por sesgo se entiende una desviacin sistemtica
de las caractersticas observadas respecto de las caractersticas rea
les, por consiguiente parecera casi innecesario subrayar el peligro
que esto significa durante la etapa de obtencin de conclusiones.
Un mal diseo de cuestionarios puede, en cierto modo, inducir
las respuestas pedidas. Los encuestadores, a veces, no mantienen
una posicin neutra e inclinan, en un cierto sentido, a quienes
responden. Una encuesta sobre ingresos y consumos generalmente
evidencia subestimaciones en el monto de las rentas y distorsiones
en la estructura del gasto, sobre todo en los estratos de ingresos
altos, y esto por razones fciles de imaginar. La realizacin de
confrontaciones utilizando muestras yuxtapuestas, permite com
probar la existencia de estos desvos y, a veces, en algn sentido
cuantificarlos. Con todo, tampoco puede desconocerse que el pro
ceso de reduccin de estos errores supone esfuerzos que encarecen
sustancialmente la investigacin.
E. ESTADSTICA PARA PLANIFICACIN
Respecto de las tareas inmediatas que parecen ineludibles, ad

mitida la necesidad de establecer procesos continuos de planifi
cacin, se estima conveniente discutir las siguientes ideas:
1] Investigaciones simultneas
No puede aguardarse que estn disponibles los datos para comen
zar una serie de investigaciones socioeconmicas. Parecera ms
bien que la decisin de iniciar una investigacin, debera adop
tarse admitiendo dos criterios: por un lado, estructurar la parte
conceptual y sustantiva de la investigacin; y, por otra, simult
neamente, la investigacin estadstica pertinente. Muchas inves
tigaciones se postergan por falta de informacin, cuando todo
retardo causa un perjuicio que se magnifica a medida que trans
curre el tiempo. Durante una primera etapa, los organismos de
investigacin deberan incorporar unidades cuyo objetivo esen
cial fuese la captacin de informacin, en particular centros de
muestreo, para no depender de otros organismos en la disponi
bilidad oportuna de datos. En ese sentido, las investigaciones
interdisciplinarias parecen ofrecer facilidades en el planteamiento
de investigaciones simultneas; desde luego, no es sta una solu
cin integral del problema de la informacin; antes bien, se corre
el riesgo de duplicar esfuerzos y malgastar recursos por falta de
comunicacin y coordinacin entre los organismos. Sin embargo,
como etapa transitoria y mientras se organizan planes nacionales
de estadstica, parecera que podran evitarse as mayores poster
gaciones. Por lo dems no sera demasiado oneroso algn grado
de duplicacin, dada la exigidad de los recursos destinados a
la investigacin estadstica. En todo caso un mnimo de coordi
nacin entre los diferentes organismos sera suficiente durante
esta etapa transitoria.
2] Organizacin institucional
Un tema sobre el que se insisti mucho y sobre el que poco se
hizo, es la adecuacin de la estructura institucional que facili
tara el establecimiento de los procesos de planificacin. En este
sentido, y desde el punto de vista que se est considerando parece
realmente conveniente establecer una estrecha relacin entre las
oficinas de estadstica y los organismos de planificacin. La can
tidad de recursos disponibles para captar informacin obliga a
una detenida jerarquizacin de las diferentes investigaciones. El
ESTADSTICA PARA PLA N IFIC A C I N 25
anlisis de las distintas publicaciones en materia estadstica que

dan a conocer los pases revela que existe una apreciable can
tidad de informacin, que aunque importante es susceptible de
ser sustituida o postergada en beneficio de otra ms urgente. Es
posible que este tipo de consideracin est determinada en parte
por algn inters especfico en materia de planificacin, pero en
todo caso el diseo de un plan nacional de estadstica supondra
evaluar diferentes asignaciones de recursos, considerar los inte
reses de los usuarios pblicos y privados, evitara innecesarias
duplicaciones, delimitara las responsabilidades de los diferentes
organismos para la entrega de la informacin y, lo que es ms
importante, establecera plazos concretos para dar por terminadas
investigaciones que muchas veces se arrastran durante lapsos pro
longados.
3] R equisitos concretos de inform acin estadstica

en materia de planificacin
Parecera realmente fuera de lugar aqu elaborar, por intermi
nable, una lista exhaustiva; sin embargo, enumerar los principa
les campos donde parece urgente concretar investigaciones mos
trara la enorme e impostergable tarea que se tiene por delante.
(Se parte del supuesto que existen adecuados sistemas de conta
bilidad nacional: cuentas nacionales, esquemas de fuentes y usos
de fondos, matrices de insumo producto, balanza de pagos, etc.)
a) T a l vez uno de los principales campos corresponda al an
lisis de la distribucin del ingreso y de la riqueza. Distinguir entre
asalariados y no asalariados supone dos categoras demasiado
elementales y heterogneas en exceso. Es preciso detallar escalas
de ingreso que abarquen grupos homogneos de personas; pero
convngase tambin que cualquier indagacin sobre esta materia
ofrece muchas dificultades. La veracidad de los datos sobre ingre
sos personales (sobre todo en el grupo no asalariado) debera
quedar asegurada por investigaciones complementarias sobre la
propiedad, el consumo, la tributacin, etc. Estudios con controles
cruzados son indispensables desde el punto de vista de la calidad
de los datos.
Tampoco parece exagerado admitir que informaciones sobre
estos aspectos deberan constituir el punto de partida de la ela
boracin de cualquier plan que especifique acciones concretas.
b) Otro aspecto, muy ligado al anterior, es el reconocimiento
de la estructura de preferencias de los consumidores segn sus
diferentes niveles de ingreso. La compatibilidad entre una estruc
24 ESTADSTICA Y P LA N IFIC A C IO N
tura de produccin y la demanda final, implica trabajar con

coeficientes de elasticidad ingreso y elasticidad gasto a un nivel
de desagregacin bastante grande; la obtencin de funciones con
sumo por tipos de productos homogneos, permite dar coherencia
a las variables. Por otra parte, investigaciones de este tipo per
mitiran verificar la representatividad de las ponderaciones efec
tuadas en los diferentes ndices de precios al consumidor.
c) Dentro de las tareas urgentes en materia de recopilacin
estadstica para la planificacin, tiene especial importancia deter
minar el valor del capital por sectores, subsectores o ramas de
actividad, que es, por cierto, un problema en extremo delicado.
Requiere estudios muy prolijos confeccionar un inventario con
especificacin de antigedad, y que al mismo tiempo evale el
contenido.
d) Las estructuras de precios vigentes no siempre se ajustan a
los objetivos sociales y econmicos que plantean los planes. Estu
diar la formacin de los precios, sus componentes, la especulacin
y las duplicaciones en las distintas etapas del proceso de distri
bucin y comercializacin, son tareas de tipo estadstico que
tambin deben tener prioridad en el futuro inmediato. La dispo
nibilidad de ndices de precios, en general, es insuficiente para
cumplir con algn xito tareas de cuantificacin econmica a
travs del tiempo; hay pases, por ejemplo, donde slo se dispone
de un ndice de los llamados de costo de vida confeccionado
sobre una base obsoleta y para un sector escasamente represen
tativo de la poblacin.
e) Dentro de los pases pueden delimitarse zonas geoecon-
micas bastante diferenciadas, la necesidad de establecer determi
nado tipo de desagregacin de la contabilidad social que tome
en cuenta algn tipo de regionalizacin, permitira dar, desde este
punto de vista, una mayor coherencia a los objetivos perseguidos,
a los proyectos elegidos y a las medidas de poltica econmica.
f) El anlisis de factibilidad necesario para imponer ciertas
medidas de poltica econmica, exige identificar los centros de
decisin y la gravitacin e influencia que tienen sobre la acti
vidad econmica; tales investigaciones tampoco son ajenas al
empleo de mtodos estadsticos. Lo que se dio en llamar socio
metra apunta en este sentido.
g) Numerosas variables macroeconmicas se calculan tomando
como referencia un perodo equivalente al ao; sin embargo, una
desagregacin semestral o trimestral, permitira adoptar medidas
oportunas, si los hechos contingentes as lo requieren. Este tipo
de desagregacin temporal, tendra que basarse, naturalmente,
PLA N NACIONAL DE ESTADSTICA 25
sobre estimaciones algo elementales. Estimaciones sobre producto,

consumo, inversin, a un nivel de detalle sectorial parecen facti
bles utilizando muestras e indicadores parciales. Los indicadores
a corto plazo cobran actualmente una significativa importancia.
F. PLAN NACIONAL DE ESTADISTICA
Las anteriores consideraciones sobre escasez, oportunidad, dupli

caciones, necesidad de establecer prioridades en materia de inves
tigaciones estadsticas y la fijacin de plazos para realizarlas,
constituyen fundamentos slidos para confeccionar planes de
estadstica a nivel nacional. La realizacin y puesta en marcha
de un plan de esta naturaleza implica la necesidad de hacer un
inventario crtico, en materias de calidad y oportunidad, de las
informaciones estadsticas existentes, tanto de las publicadas como
de las que se reservan para el uso interno de diferentes organis
mos. Disponer de un catlogo semejante significara una conside
rable ayuda para los investigadores; permitira realizar un diag
nstico eficiente sobre la disponibilidad de informaciones.
La confeccin de un plan de estadstica supone determinar
prioridades respecto de los diferentes tipos de informacin, de
la periodicidad y oportunidad de su publicacin. Una encuesta
a los principales usuarios, actuales y potenciales, parecera un
mtodo adecuado para preparar una lista del conjunto ms ge
neral de informaciones necesarias. La frecuencia con que se re
quiere cada tipo de informacin, permitira fijar prioridades a
las diferentes investigaciones. Es evidente que los pases empea
dos en un proceso de planificacin, tendran que asignar recur
sos y especificar investigaciones, con una orientacin clara en
ese sentido.
A esta altura del trabajo se hace necesario repetir que la in
corporacin de tcnicas mustrales para recoger informacin y
utilizar computadores electrnicos en el procesamiento y clculo
de datos, conducen a un ahorro de tiempo y a veces de costo par
ticularmente significativos.
La asignacin de responsabilidad en cada una de las investiga
ciones programadas es un punto delicado durante la elaboracin
de un plan; en este sentido debern precisarse las responsabili
dades de las oficinas de estadstica, as como tambin de cada
uno de los dems organismos pblicos, las universidades y cen-
tios de investigacin y de las instituciones privadas.
La Oficina de Estadstica dependiente del organismo de plani-
icacin, o por lo menos estrechamente vinculada a l, debera

asumir la responsabilidad central de la coordinacin administra
tiva y tcnica del plan. Es de gran importancia, una vez asigna
das las responsabilidades, discutir a profundidad los posibles
mtodos para captar informacin, el sistema de control, el tipo
de clasificaciones, los indicadores resultantes y sus mtodos de
cmputo.
La fijacin de plazos, entre el comienzo y el trmino de las
investigaciones, es fundamental para garantizar el cumplimiento
del programa de trabajo.
Estimaciones de costo, confeccin de presupuestos por investi
gacin y el logro de financiamientos oportunos son tareas que
completan este conjunto de ideas que pretende ser un esquema
primario de discusin.
Nada fcil es imponer la idea de trabajar con seriedad y pers
pectiva, cuando se programan tareas de investigacin estadstica,
perfilando un verdadero plan. Los problemas a corto plazo, en
general, postergan asignaciones de recursos para esta clase de tra
bajos; cuando por ejemplo existen presiones polticas, econmicas
y sociales, por captar fracciones de presupuestos exiguos, es difcil
imponer un plan de estadstica que demanda recursos nada des
deables y que parece no ofrecer utilidad inmediata. Slo una
evaluacin a largo plazo, y una comparacin con otras asigna
ciones de recursos que no siempre puede defenderse, permiten
favorecer esta propuesta.
Una de las tareas de los planificadores es, precisamente, llamar
la atencin sobre la urgencia de un plan de esta naturaleza, in
dispensable para cualquier proceso de planificacin.
II
ESTADIGRAFOS DESCRIPTIVOS ESTATICOS
A. DISTRIBUCIONES DE FRECUENCIA
1] Generalidades
Un conjunto de datos, o masa estadstica, puede ser resumido y

clasificado de acuerdo a criterios convenientes. Provengan las
informaciones de censos o de muestras relativamente grandes,
siempre sern tiles para el anlisis, ya que difcilmente podrn
obtenerse conclusiones vlidas de una masa estadstica no clasi
ficada.
Los tipos de variables fundamentales, por lo menos para este
trabajo, sern los siguientes:
a) variables cardinales: susceptibles de medicin cuantitativa;

y las que a su vez comprenden:
i) continuas: variables que pueden tomar cualquier valor
dentro de un intervalo (ingresos, estaturas, distancias,
etc.)
ii) discretas: variables que slo toman algunos valores den
tro de un intervalo (nmero de hijos por familia, nme
ro de accidentes de trnsito por da, etc.)
b) variables ordinales: slo susceptibles de ordenacin pero no
de medicin cuantitativa (grado de cultura de una persona:
muy culta, regularmente culta, poco culta, inculta).
Para cada uno de estos tipos de variables, un conjunto de ob

servaciones puede dar origen a una distribucin de frecuencias;
y sta debe entenderse como un cuadro o tabla resumen de los
datos originales.
En el caso de variables continuas ser necesario fijar intervalos
de frecuencia para llegar a un resumen efectivo de la informacin
original. El punto medio de cada intervalo se denominar marca
de clase y constituir el valor representativo de cada intervalo.
El nmero de observaciones que correspondan a cada intervalo se
denominar frecuencias absolutas.
[27]
28 ESTADGRAFOS DESCRIPTIVOS ESTTICOS
Una tabla de distribucin de frecuencia para variable continua

y sus smbolos correspondientes se presenta de la siguiente forma:
Ingresos de profesionales Nmero de profesionales

Intervalos Marcas de clase Frecuencias absolutas
v_, y; y,
y; Yj Yx ni
Yj Yj Y n2
Yj Y1 '3 Yj n :
Y*'m-1 Y1m
' Ym
donde:
Y - + Y
Yj = -------------------- : ,
marca de clase
2
m
n = 2 n : nmero de observaciones
i-1
c = Yj Y'_, : amplitud del intervalo
Estas tablas pueden ser de amplitud constante o de amplitud

variable, segn los valores que tome c.
Cuando se trata de variable discreta o discontinua, la tabla
de distribucin de frecuencias adquiere la forma siguiente:
n.
Yx nt
Y n2
y3 n3
Ym
C abe. destacar que cuando la variable adquiere numerosos va

lores distintos para abreviar el trabajo, con cierta arbitrariedad
y con alguna prdida de precisin, puede tratarse como una va
riable continua, formando intervalos de clase.
Por ltimo, en el caso de variables no mensurables, dicha tabla
adoptar una forma como la siguiente:
DISTRIBUCIONES DE FR E C U E N C IA 29
Variable Frecuencia
C aracterstica A nA
C aracterstica B nB
C aracterstica Z
1 lector advertir que las tablas de distribucin de frecuen

cias facilitan enormemente el anlisis. Es muy ventajoso dispo
ner de informaciones clasificadas en intervalos o en valores es
pecficos de la variable, ya que, de esta manera, es posible obte
ner conclusiones primarias acerca de la variable que se investiga.
Respecto de las frecuencias, es posible y generalmente til
presentarlas en trminos relativos, calculando la proporcin que
corresponde a cada intervalo o marca de clase sobre el total de
observaciones. Se denominan frecuencias relativas, y se simboli
zarn por h:
Tanto las frecuencias absolutas como las relativas son suscep

tibles de acumulacin respecto de los intervalos o marcas de cla
se. Las frecuencias absolutas acumuladas se simbolizarn por Ni
y se definen:
N = 2 n,
-i
Las frecuencias relativas acumuladas se simbolizarn pr Hi

y se definen:
Hi = S h,
i-1
En general este tipo de frecuencias se acumulan en sentido

creciente de la variable, y una frecuencia acumulada N indica
el nmero de casos u observaciones donde la variable toma va
lores a lo sumo iguales a Y,, en el caso de variable discreta, y
a Y' en el caso de variable continua. Sin embargo, para ciertos
anlisis tambin es necesario acumular en sentido ttiverso; de
ah que se liable de frecuencias acumuladas hacia arriba o hacia
abajo.
2] R epresentacin grfica
En general, la representacin grfica de una tabla de distribucin
de frecuencias, permite percibir con mayor claridad algunas ca
ractersticas de la masa de datos que se investiga; por ello resulta
bastante ms fcil trasmitir conclusiones a personas no habi
tuadas a la interpretacin de distribuciones de frecuencia, cuando
se utilizan grficos estadsticos.
a) Representacin grfica de variable continua. Si se utiliza un
par de ejes coordenados, en el eje de las abscisas se representar
la variable estudiada, en tanto que en el eje de las ordenadas,
se representar las frecuencias correspondientes. Recurdese que
en este tipo de variables la frecuencia corresponde a un intervalo
y por esto se representa mediante una superficie.
Con un ejemplo se ilustrarn estas ideas; admtase, en este sen
tido, la siguiente tabla correspondiente a las edades de los par
ticipantes de un curso de estadstica;
Edades Alumnos Amplitud de intervalo

1 i - l Y'
Y' 1 i Ci
18 22 10 4
22 26 20 4
26 30 16 4
30 38 12 8
38 40 1 2
Puesto que la amplitud ms frecuente es 4, puede adoptrsela

como amplitud unitaria; as el cuarto intervalo tendr dos veces
la amplitud unitaria elegida y el quinto intervalo tendr la
mitad de dicha amplitud. La representacin grfica se har segn
la grfica 1 de la pgina siguiente.
En la grfica, para calcular la altura de cada rectngulo se
plantea la relacin de superficie siguiente:
superficie = base X altura

n = c X a
donde c' es la amplitud unitaria elegida con el objeto de dise

ar una grfica adecuada. Desde luego que tambin pudo haberse
trabajado con las amplitudes originales, aunque habra sido algo
ms laborioso.
D IS T R IB U C IO N E S DE F R E C U E N C IA 31
GRFICA 1
Este tipo de grficas recibe el nombre de histogramas y la lnea

quebrada que une los puntos medios de los lados superiores de
los rectngulos se denomina polgono de frecuencias.
b) Representacin grfica de variable discreta. En este caso la
frecuencia correspondiente a cada valor de la variable estar re
presentada por una barra vertical.
g r f ic a 2
Naturalmente, se puede construir, en forma similar, grficas

que relacionen la variable con cualquiera de los tipos de fre
cuencias que se han visto, relativas, acumuladas, etctera.
A continuacin se presentar un ejemplo donde se seguirn
todos los pasos necesarios para llegar a una tabla completa de
distribucin de frecuencias. Supngase que se dispone de las
siguientes informaciones acerca de los sueldos de los obreros de
una fbrica (en dlares por mes):
68 48 53 73 100 80 40 55 65 95 85 35 110 120 60

90 70 40 80 100 70 50 55 70 65 45 80 60 90 50
55 60 30 110 110 90 70 60 45 65 80 85 90 68 72
50 40 45 90 105 108 35 45 50 70 82 84 66 38 48
Una de las primeras decisiones que deben adoptarse es deter

minar el nmero de intervalos que tendr la tabla. Para ello es
necesario considerar el objetivo que se persigue con el estudio
de la variable, qu tipo de diferenciaciones o agrupamientos in
teresara conocer; por otra parte, es indispensable determinar el
recorrido de la variable, es decir, el menor y mayor valor entre
los datos que se analizan. Por ltimo, el nmero de observa
ciones, de manera que los diferentes intervalos tengan frecuen
cias en alguna medida significativas. Cuando existan valores es
casos, muy alejados de lo que podra llamarse una concentracin
central, puede optarse por dejar los intervalos extremos abiertos.
Supngase que, tomando en cuenta las consideraciones anterio
res, se decide clasificar los datos originales en 9 intervalos de
amplitud constante. Dado que la diferencia entre los valores ex
tremos (30 y 120) es de 90, la amplitud de los intervalos ser
igual a 10 .
y
1 .-i n Observaciones ni Vi i IVj* Y>
30.0 40 H i / / 7 7 /6 0 7 7 /6 0 60 6 0 /6 0 35
40.1 50 H +t H H 10 1 0 /6 0 17 1 7 /6 0 53 5 3 /6 0 45
50.1 60 H H III 8 8 /6 0 25 2 5 /6 0 43 4 3 /6 0 55
60.1 70 m h h / 11 1 1 /6 0 36 3 6 /6 0 35 3 5 /6 0 65
70.1 80 H H / 6 6 /6 0 42 4 2 /6 0 24 2 4 /6 0 75
80.1 90 H -H I III 9 9 /6 0 51 5 1 /6 0 18 1 8 /6 0 85
90.1 100 III 3 3 /6 0 54 5 4 /6 0 9 9 /6 0 95
100.1 110 H H 5 5 /6 0 59 5 9 /6 0 6 6 /6 0 105
110.1 120 1 1 1 /6 0 60 6 0 /6 0 1 1 /6 0 115
60 1
* Acumuladas hacia arrib a.
Para evitar situaciones ambiguas, cuando se presentan obser

vaciones con valores de la variable que corresponden a los lmites
de los intervalos, puede seguirse el criterio planteado en el ejem
plo, es decir, agregar un decimal a la columna de lmites infe
riores, aunque esto tenga utilidad solamente para clasificar las
ESTADGRAFOS DE TEN D EN CIA C EN TR A L 33
observaciones, ya que en los clculos que posteriormente se tra

tar, tales decimales son despreciados.
Con lo visto hasta el momento, es posible realizar los primeros
anlisis de un conjunto dado de datos. Tanto la representacin
grfica como la tabulacin de las distintas clases de frecuencias
ayudan a ensayar los primeros juicios. Es necesario insistir sobre
la necesidad de tomar en cuenta, en todas las decisiones respecto
de la tabla de frecuencias, la naturaleza del fenmeno que se
investiga; sobre todo en lo que se refiere al nmero de intervalos
y a sus amplitudes: constantes o variables. Naturalmente que,
una vez clasificados los datos originales, ser preciso realizar an
lisis con mayor profundidad, utilizando los instrumentos estads
ticos que se detallarn en las prximas pginas.
B. ESTADGRAFOS DE TENDENCIA CENTRAL
Una vez conseguida la clasificacin de los datos originales, cuyas

caractersticas ms esenciales se destacan, ser preciso calcular un
conjunto de indicadores que caractericen en forma algo ms pre
cisa la distribucin que se est estudiando. Interesa, en primer
trmino, disponer de estadgrafos que representen valores cen
trales en torno de los cuales se agrupan las observaciones, en ge
neral se los designa como promedios, y son de extraordinaria
utilidad tanto en el anlisis de una distribucin, como en la
comparacin entre distribuciones.
1] Media aritmtica
Es sin duda el estadgrafo ms utilizado, sobre todo en la cuan-
tificacin de variables econmicas. Se simbolizar por Y o M[Y],
y se definir como:
m
2 Y, n,
Y = M[Y] = ---------
n
Puede observarse que a cada valor de la variable o marca de

clase se atribuye una importancia o peso equivalente a la fre
cuencia absoluta correspondiente. Esta frmula de clculo es
para datos agrupados en forma de una distribucin de frecuen
cias. Cuando se desea calcular una media aritmtica de datos no
agrupados, todas las frecuencias absolutas sern iguales a la uni
dad, se simbolizar por X o M [Xt] y se definir como
X
X = M[X] = --------
En general cuando el nmero de observaciones es relativa

mente grande conviene la agrupacin de frecuencias en interva
los. Es evidente que cuando se resume un conjunto de datos en
un nmero dado de intervalos, se pierde precisin; esta prdida
estar relacionada con la amplitud del intervalo, cuanto mayor
sea sta, menos preciso ser el clculo. Por ello, en general, para
un mismo conjunto de datos, la media aritmtica obtenida de
los datos originales, que es un clculoexacto, diferir de la
obtenida de una tabla de distribucin de frecuencias. La razn
estriba en el supuesto de uniformidad de la distribucin de
frecuencias dentro de cada intervalo, supuesto que generalmente
no se cumple; mas, en todo caso, esa prdida de precisin est
ms que compensada por las ventajas que significa tener una
tabla de frecuencias. Por lo dems en ciencias sociales, la preci
sin necesaria autoriza, dentro de ciertos lmites, a desentenderse
de una rigurosidad extrema.
En la grfica que a continuacin se presenta, se tienen dos
distribuciones de frecuencias (supuesto un gran nmero de in
tervalos pequeos) muy similares, y sin embargo con medias arit
mticas muy distintas.
g r fic a 3
La media aritmtica como estadgrafo de tendencia central in

dica la posicin de la distribucin. Sobre este estadgrafo cabe
advertir su alta sensibilidad a valores extremos de la variable.
Un valor muy alejado de los valores centrales, aunque poco re
presentativo por ser nico, puede hacer variar significativamente
el promedio. Por ello, cuando se est utilizando este indicador
en un anlisis, vale la pena advertir la representatividad de los

valores extremos y la influencia que stos tienen sobre el resul
tado. Muchas veces se concluye que es preferible estratificar pre
viamente los datos originales en dos o tres categoras, realizando
clculos de medias aritmticas en forma separada para cada grupo.
a) Propiedades. Se presentarn las propiedades ms importan
tes de la media aritmtica.
i) Primera propiedad: La suma de las desviaciones pondera
das de los valores de la variable respecto de la media arit
mtica es cero
1 (Y, - ) n, = 0
i-1
m _
2 Yj n, - nY = 0
i=l
n - n = 0
ii) Segunda propiedad: La suma de los cuadrados de las des

viaciones ponderadas de los valores de la variables es un
mnimo, cuando se toman respecto de la media aritm
tica. Se iniciar la demostracin tomando desviaciones res
pecto a un valor cualquiera P, para luego concluir que
P forzosamente tendr que ser la media aritmtica
2 (Yj P )2 n 4 mnimo
i=l
La derivada de esa expresin respecto de P, se iguala a

cero.
m
-2 2 (Y, - P) n, = 0
i= l
2 Y, n, - nP = 0
i= l
m
2 Y n,
1=1
P = ---------------
n
Es seguro que igualando la primera derivada a cero se

obtiene un mnimo, porque se llega a un valor concreto.
Para que fuera un mximo, P tendra que ser infinito,
iii) Tercera propiedad: La media aritmtica de una variable
ms (menos) una constante es igual a la media de la va
riable ms (menos) la constante.
M [Y, K] = M [Y,] K
2 1Y| * 9 n< M [Y,] K

i-i L J
2 - M [Y,] K
1-1 n n
M [Yi] K = M [Y] K
iv) Cuarta propiedad: La media aritmtica de una variable

multiplicada (dividida) por una constante, es igual a la
constante que multiplica (divide) a la media de la va
riable.
M [Y, K] = K M [Y,]
m Y. Kn,
2 - = K M [Y,]
i-i n
K 2 Y* n = K M [Y,]
-1 n
K M [Y,] = K M [Y]
b) Mtodos abreviados de clculo. Se presentarn estos mto

dos no tanto por el ahorro de tiempo que puede significar su
aplicacin, como porque destacan algunos detalles sobre la me
dia aritmtica, y muestran procedimientos de trabajo con cambio
de variable.
i) Primer mtodo abreviado: Se trata de reducir la magnitud
de la variable, en trminos de desviaciones respecto de un
origen de trabajo Ot arbitrariamente elegido. En cuanto a
la eleccin de Ot vale la pena, para que el mtodo sea
realmente abreviado, tomar como origen de trabajo un
E ST A D G R A FO S D E T E N D E N C IA C E N T R A L 37
valor o marca de clase central de la distribucin de fre
cuencias.
Se definir esta variable reducida en la forma siguiente:
Z\ = Y, Ot
Grficamente se fijan los siguientes puntos dentro del

recorrido de una variable:
g r f ic a 4
ft - 7 Ti Ym
w V M V 'f
>K , zx
zi
Adems, las desviaciones respecto de la media aritmtica

se simbolizarn por Z,, es decir:
Z, = Y,
La diferencia entre la media aritmtica y el origen de

trabajo arbitrariamente elegido se designar por K, es
decir.
K = Ot
Por este hecho, observando la grfica puede concluirse

que
= Ot + K
Se trata de encontrar una expresin para K, en funcin

de desviaciones Z\, para disponer de una frmula de clcu
lo. En efecto,
Z\ = Zi-j- K (multiplicando por n^
Z\ n = Z n, -)- K n, (aplicando sumatoria)

n\ m _________ _
2 ii[ = 2 nK.
i= l i* l
Recurdese que en la primera propiedad de la media

aritmtica se demostr que:
2 Z n = 2 (Yi - Y) n, = 0
Luego
K = 2Z [ n,
n
La frmula de clculo abreviado ser
Y = Ot +
2 L_L n,
n
En la siguiente tabla de distribucin de frecuencias se
aplica este mtodo:
Desviaciones
Intervalo Marca de clase Frecuencia Desviaciones ponderadas
1Y'-i - Y'
1t Yi i Z\ = Y i Ot* Z\n,
0- 8 4 8 -19 -1 5 2
8-20 14 10 9 -90
20-26 23 30 0 0
26-30 28 9 5 45
30-40 35 3 12 36
60 -161
* Se elige O, = 23.
161
Y = 23 ------ = 20.32
60
ii) Segundo mtodo abreviado. Este mtodo en general slo se

aplica con ventaja, cuando es constante la amplitud de los
intervalos. Como en el anterior, se trata de trabajar en tr
minos de desviaciones, pero adems en este mtodo dichas
desviaciones se expresan en unidades de intervalo (divi
dindolas por C).
E ST A D G R A F O S DE T E N D E N C IA C E N T R A L 39
Esta nueva variable es en consecuencia,
de donde
Z\ = C Z f
En la frmula del primer mtodo se remplaza Z\ y se

tiene
m
2 Z' n
Y = Ot + c -----------
n
Cabe destacar que este mtodo permite obtener Z " en

forma totalmente mecnica; basta fijar el origen de trabajo
para completar todos los valores de Z''.
En el siguiente ejemplo podr apreciarse las ventajas de
esta forma de clculo.
Desviaciones
In tervalo M arca de clase F recu en cia Desviaciones ponderadas
1Y i' - i - Y
1 1' y* ni z? z r
2- 6 4 20 -3 -6 0
6 -1 0 8' 40 -2 -8 0
1 0 -1 4 12 50 -1 -5 0
1 4 -1 8 16* 90 0 0
1 8 -2 2 20 60 1 60
2 2 -2 6 24 40 2 80
300 -5 0
* Eligiendo O t 16.
Aplicando la frmula del segundo mtodo abreviado se

tiene
m
2 z ? n
= Ot + C ----------
n
50
Y = 16 - 4 ------ = 15.33
300
Obsrvese que una vez fijado el origen de trabajo las

Zf se colocan en sucesin decreciente para las marcas de
clase menores que Ot y en sucesin creciente para las mar
cas de clase mayores.
2] M ediana (Me)
Se trata de otro estadgrafo de tendencia central de aplicacin
muy frecuente. Se define como el valor de la variable que supera
a no ms de la mitad de las observaciones y es superado por
no ms de la mitad de dichas observaciones. Es un estadgrafo
menos sensible que la media aritmtica ante valores extremos
de la variable, y puede ser calculado aun en variables de tipo
ordinal.
Cuando las observaciones no estn agrupadas en forma de una
tabla de distribucin de frecuencias, su cmputo es en extremo
sencillo. Basta disponer los valores en orden creciente y ubicar
el valor central. Por ejemplo, supngase que se tienen ordenados
los siguientes valores de gastos en consumo de 7 familias (en d
lares por mes).
40 - 47 - 60 - 70 - 78 - 80 - 90
La mediana ser 70 dlares ya que este valor supera a 3 ob

servaciones (40, 47 y 60) que no son ms que la mitad (la mitad
es 3,5) y a su vez es superada por 3 observaciones (78, 80 y 90)
que tampoco son ms de la mitad.
Cuando el nmero de observaciones es par, existen dos valores
centrales que satisfacen la definicin de mediana. Si en el ejem
plo anterior se agrega una familia adicional se tiene:
40 - 47 - 60 - 70 - 78 - 80 - 90 - 180
En este caso tanto 70 como 78 son valores medianos. La mitad

de las observaciones es 4 y 70 supera a 3 que no son ms de la
mitad y es superado por 4 que tampoco es ms de la mitad,
pues es exactamente la mitad. Igual cosa ocurre con 78; para
evitar ambigedades se toma como mediana en estos casos el
punto medio entre los dos valores medianos. En el ejemplo, la
mediana definitiva sera 74 dlares. Obsrvese la poca sensibi
lidad de este estadgrafo a los valores extremos. Al agregar la

8 a. observacin con un valor bastante ms alto que el resto,
la mediana ha experimentado apenas un ligero crecimiento; ms
todava aunque en vez de 180 aquel valor hubiese sido de 5 000,
la mediana siempre habra sido 74. En cambio no ocurre lo
mismo para la media aritmtica, que es sumamente sensible a
ese tipo de valores extremos; intente el lector su clculo en uno
y otro ejemplo, y verificar una fuerte variabilidad.
Si los datos se agrupan en una tabla de frecuencias, el clcu
lo de la mediana implica computar previamente las frecuencias
acumuladas.
a) Variable discreta, en este caso bastar con identificar la fre
cuencia acumulada que es inmediatamente mayor a la mitad
de las observaciones. La mediana ser aquel valor de la
variable que corresponda a dicha frecuencia acumulada.
Ejemplo:
N m e ro de N m ero de F recu en cia

predios p o r persona propietarios acum ulada
Yi i Ni
1 200 200
2 160 S60
3 150 510
4 100 610
5 80 690
6 40 730
7 y ms 20 750
750
Siendo = 375, la menor frecuencia acumulada que supera

este valor es 510, que corresponde al valor 3 de la variable, sien
do ste el valor mediano. Dicho valor supera a 360 observaciones
que no son ms de la mitad y es superado por 260 que tampoco
son ms de la mitad, satisfaciendo la definicin de mediana.
b) Variable continua, en este caso el problema consiste en de
terminar un punto dentro del intervalo en que est com
prendida la mediana. La identificacin del intervalo donde
se halla la mediana, es exactamente igual al caso de variable
discreta: el intervalo ser aquel que corresponde a la fre-
cuencia acumulada inmediatamente superior a la mitad de

las observaciones. Como se dijo, la preocupacin consiste
en fijar un punto dentro de este intervalo, que corresponde
a la mediana. Para ello se adoptar el supuesto que las ob
servaciones se distribuyen linealmente dentro del mencio-
. nado intervalo.
Grficamente se tiene:
g r fic a 5
Sea Y_i Y el intervalo donde se halla la mediana. Luego.
M, = YU + d
Ser necesario encontrar una expresin para d en funcin

de frecuencias que son los valores conocidos que se dispone y por
los cuales est determinado este estadgrafo.
Por semejanza de tringulos se tiene que
AB AC
BE = CD~
Pero
AB = d
BE = - N *-a
AC = CK (amplitud del intervalo K-simo)
CD = Nk Nk-i = nK
E ST A D G R A F O S D E T E N D E N C IA C E N T R A L 43
Remplazando, se tiene
d CK
n at nK
y Nk-1
de donde
n
y -N K -x
d = CK --------------
n K
Luego
Me = Y .x + CK -------------------
Ejemplo: la siguiente tabla muestra la distribucin de los coe

ficientes producto-capital de 310 empresas industriales:
Frecuencias
C oeficientes Em presas m um uladas
YU -Y ni i Ni
0 .1 5 -0 .2 0 40 40
0.20 - 0.30 80 120
0.30 - 0.42 100 220
0.42 - 0.50 60 280
0.50 - 0.70 30 310
310
La menor frecuencia acumulada que supera a 155 es NK =

= 2 2 0 . Luego, nK = 1 00,
Y k- t = 0 .3 0 , CK = 0 .1 2 y NK. X = 120 (donde K = 3)
Remplazando estos valores en la frmula

1 5 5 120
Me = + = =
100
0 .3 0 0 .1 2 ------------------- 0 .3 0 4 - 0 .0 4 2 0 .3 4 2
^
Como una extensin de este estadgrafo, ser fcil ampliar el

concepto a otros indicadores que dividen la masa de informa
ciones en otras proporciones y no slo en mitades como lo hace
la mediana.
Se tiene el caso de los cuartiles que dividen las observaciones
en cuartas partes; as, el primer cuartil Qt es un valor de la va
riable que supera a no ms de un cuarto de las observaciones,
y es superado por no ms de tres cuartos de ellas. Para identificar
el intervalo donde se halla Q habr que determinar la frecuen
cia acumulada inmediatamente superior a . El clculo es simi
lar al de la mediana:
Qi = Y k-j -f- CK
Para el tercer cuartil, sucede otro tanto
Q3 Y'k-j -f- Cg
Para identificar el intervalo que comprende a Q3, habr que

averiguar cul es la frecuencia acumulada NK, inmediatamente
superior a 3 ; no es necesario detallar el segundo cuartil, por
que coincide con la mediana. En forma similar se pueden en
contrar estadgrafos que dividan al total de observaciones en
dcimas partes (deciles), en centsimas partes (percentiles), etc.
Las frmulas correspondientes pueden deducirse por analoga
con las de los cuartiles.
As, el 79 decil estar dado por
7n
Dj = Yk-i + CK
El 35 percentil estar dado por

35n
ESTADGRAFOS DE TENDENCIA CENTRAL 45
3] M oda o valor m odal

Se trata de otro estadgrafo de tendencia central. Tiene un
significado bastante preciso y es de extraprdinaria utilidad, aun
que inexplicablemente poco utilizado en estudios socioeconmi
cos. Se simbolizar por M(, y se definir como aquel valor de la
variable al que corresponde la mxima frecuencia. Es muy co
rriente que se confunda el valor modal con la frecuencia m
xima; recurdese que es un valor de la variable y por lo mismo
se le representa en el eje de las abscisas. Est dado por la fre
cuencia mxima, pero no se trata de una frecuencia.
g r f ic a 6
Ma Yi M
a) Variable discreta, una vez agrupados los datos, es posible

determinar inmediatamente el valor modal; bastar con fijar el
valor de la variable que ms se repite.
Ejemplo:
N m e ro d e cargas familiares N m ero d e familias

Yi ni
0 80
1 120
2 210
3 380
4 180
5 60
6 o ms 40
I 070
La frecuencia mxima es 380, que corresponde al cuarto valor

de la variable. El valor modal en consecuencia, es 3; este valor
modal ser tanto ms representativo cuanto mayor sea la fre
cuencia mxima. Se presentarn algunos casos donde el valor
modal pierde significacin; es el caso donde hay varios valores
de las variables que tienen frecuencias similares. Es as como se
califica a las distribuciones de unimodales, bimodales, multimo-
dales, etctera.
b) Variable continua, de la misma manera que en el clcul
de la mediana, primero es necesario determinar el intervalo
donde se halla comprendido el valor modal; en este caso bastar
ver cul es el intervalo que tiene la frecuencia mxima. El paso
siguiente es determinar un punto dentro de ese intervalo. Exis
ten algunos criterios, un tanto arbitrarios, para deducir frmulas
del valor modal. Uno de esos criterios toma en cuenta la mag
nitud de las frecuencias de los intervalos contiguos (mayor y
menor) al que comprende el valor modal; en otras palabras, di
vidir al intervalo en partes inversamente proporcionales a las
frecuencias de los intervalos contiguos.
Grficamente:
g r fic a 7
nK -l n jc nK +t
La moda estar ms cerca del intervalo contiguo que tenga

mayor frecuencia.
Ma Y'k- nK+i
Y'k Md nK. t
JUespejando Md de la relacin anterior, se tiene:
Md nK_L Yk_j nK1

Yk nK+1 Md nK+1
pero,
Yk Yj;^ -)- CK
Md [iik-i -f- nK+l] YK_! [nK+i -f" nK-i] 4- CK nK+1
Gk nKfl
Md = Y k_! +
n K -l - f - n K+l
Es necesario destacar que la deduccin anterior no toma en

cuenta la amplitud de los intervalos contiguos; en caso de am
plitudes muy diferentes, puede distorsionarse el valor de este es
tadgrafo.
Ejemplo:
Ingresos de profesionales Profesionales

YL-Y t
0- 20 25
20- 40 45
40- 60 80
60- 80 60
8 0 -1 0 0 40
1 0 0 -1 2 0 15
120 y ms 5
Inmediatamente se puede adelantar que la moda se encontrar

en el tercer intervalo: 40 60. Aplicando la frmula
20 (60) 1 200
AL, 40 H = 40 + ------- - 51.43
45 + 60 105
Si se supone una gran cantidad de intervalos pequeos para

una cierta distribucin, grficamente el valor modal estara as
representado:
g r f ic a 8
Bimodal
Este estadgrafo, al igual que la mediana, puede determinarse

para variables cualitativas, ya que basta con encontrar la fre
cuencia mxima. El siguiente ejemplo ilustra esta posibilidad:
C o lo r d e a u to m v ile s p r e fe r i d o
p o r lo s c lie n te s C lie n te s e n c u e s ta d o s
Blanco 18
Azul 22
Verde 40
Amarillo 25
Rojo 75
El valor modal, en este caso, es el rojo, ya que por tener

la mxima frecuencia es el preferido por los clientes.
Al iniciar el estudio de este estadgrafo, se deca que inexpli
cablemente era poco utilizado en los anlisis. Es evidente que
requiere, para su cmputo, ms informacin que la media arit
mtica; ello podra explicar en forma parcial su poco uso, pero
aun cuando se dispone de informacin muchas veces se cree sufi
ciente calcular por ejemplo un ingreso por habitante y quedarse
con un anlisis parcial. Sin duda, para caracterizar adecuada
mente una distribucin, se requiere una serie de estadgrafos
cuyas indicaciones se complementen. Por ejemplo, saber que dos
pases tienen ingresos por habitante de 150 y 200 dlares al ao
puede permitir cierto tipo de conclusiones, pero saber adems
que los valores modales de los ingresos anuales por habitante
son de 140 y 130 dlares respectivamente permite obtener con
clusiones bastante ms objetivas. Naturalmente, son necesarios
muchos otros antecedentes e indicadores, que se presentarn a
continuacin, para realizar anlisis ms completos. Interesa des
tacar la necesidad de buscar un conjunto de indicadores que haga
posible el anlisis de las distintas facetas de un fenmeno some
tido a estudio.
4] M edia geom trica

Este estadgrafo se define como la raz de orden n del producto
de los n valores de la variable.
Cuando los datos no estn agrupados, su frmula de clculo es
/>
Mg = ^'/X, X 2 X , . . . X = ^ n X,
Para fines prcticos es preferible calcular el logaritmo de la

media geomtrica y luego el antilogaritmo de sta;
ESTADGRAFOS DE TENDENCIA CENTRAL 49
1 n
log Mg = 2 log X i
n -1
Si los datos aparecen grupados, es decir, si las marcas de clase

tienen frecuencias superiores a la unidad, se tendr la siguiente
frmula.
ni n2 nm
Mg = V Y 1 . . . Y, Y 2 . . . Y 2 Y, ... Y,
= y Yjn* Y 2n 3 Ymn
M, = ^ Y ?
1=1
log Mg = 2 (log Y,) n

n i_1
El estadgrafo que se estudia, aparte del inconveniente que

significa el engorro de su clculo, est adems limitado porque
los valores de la variable deben ser positivos para que pueda ser
interpretado. Si algn valor de la variable es cero, la media
geomtrica ser cero; igualmente si aparece algn valor nega
tivo el estadgrafo toma un valor imaginario. Pese a estos incon
venientes, para cierto tipo de variables, en especial las cronol
gicas, que sigan una tendencia exponencial, se hace indispensable
su uso si se desea calcular valores intermedios, es decir, si se
desea interpolar no linealmente. Por ejemplo, si cierta poblacin
en 1940 era de 2.5 millones y en 1960 alcanza a 4 millones, para
calcular la poblacin en 1955 sera indispensable el empleo de
la media geomtrica, si se admite el crecimiento exponencial de la
poblacin a una tasa constante.
P 1950 = y (2 5) (4.0) =5= 3.15 millones
P 1955 = yj (3.15) (4.0) =s= 3.55 millones
5] M edia arm nica

El ltimo de los estadgrafos de tendencia central que aqu se
abordar se define como el recproco de la media aritmtica de
los valores recprocos de la variable.
Para datos no agrupados:
1 n
Mh
1 1
2 2
Xi Xi
n
Para datos agrupados:
Ejemplo: Un grupo de trabajadores construyen los primeros

120 metros de una avenida con una productividad de 12 metros
diarios, en cambio los siguientes 120 metros lo hacen a razn de
18 metros por da. Se trata de determinar la productividad dia
ria durante todo el trabajo.
Si se decidiera calcular la media aritmtica se tendra:
Y = ----------- = 1 5 metros diarios

2
Por otra parte los primeros 120 metros requieren 10 das y
los siguientes 120 metros 6.67 das; es decir, todo el trabajo lo
haran en 16.67 das. Si la productividad diaria es de 15 me
tros, en los 16.67 das construiran un total de 250.05 metros,
lo que es inconsistente, ya que el trabajo total es de slo 240
metros. Si en cambio se utiliza la media armnica.
2 72 72
= 14.4 metros
3+ 2 5
Trabajando con una productividad media de 14.4 metros por

da, en 16.67 das se construirn 240 metros.
Como pudo advertirse, la media armnica se aplica cuando
se presenta una relacin inversa entre las variables implcitas;
en el caso del ejemplo la relacin inversa aparece entre la pro
ductividad y el tiempo:
EVALUACIN 51
e: espacio
p: productividad e = p Xt e
t
t: tiempo
C. EVALUACIN DE LOS ESTAD GRAFO S DE TEN D EN CIA C EN TRA L
En ms de una oportunidad se insisti sobre la necesidad de dis

poner de un conjunto de indicadores sobre la variable que se
est estudiando. Los indicadores presentados, que en general
se denominan de tendencia central, tienen definiciones precisas;
por ello muestran aspectos particulares del fenmeno que se es
tudia. Se trata de un conjunto de estadgrafos complementarios;
las conclusiones a que en ltimo trmino den lugar, debern ser
producto de la consideracin simultnea de los valores que al
canzan dichos indicadores.
Al analizar la bondad de cada uno de estos indicadores, es
preciso tener presente el volumen de observaciones tomadas en
cuenta para su clculo y las limitaciones de cada uno de ellos.
Siempre es conveniente complementar el anlisis de las cifras,
con una representacin grfica de la distribucin de frecuencias
de la variable; e interesa destacar la posicin relativa de la media
aritmtica, la mediana y el valor modal. La posicin relativa
de estos estadgrafos depende de la forma de la distribucin; de
esta suerte, si la distribucin es simtrica, es decir, si se observa
perfecta simetra respecto de un eje central, los tres estadgrafos
coinciden.
g r fic a 9
"i
M e * M (j Y Yi
En el caso de distribuciones no simtricas, la posicin relativa

de los estadgrafos depende del tipo de asimetra. De esta mane
ra, si la asimetra es positiva, es decir, si la distribucin tiene su
rama o manto ms extendido hacia valores positivos de la variable,
la moda ser menor que la media aritmtica. La mediana, por
el hecho de dividir la masa de observaciones en dos partes, que
dar comprendida entre ambas. Si la asimetra es negativa, es

decir, cuando la distribucin se extienda suavemente hacia va
lores negativos de la variable, la moda superar a la media arit
mtica, permaneciendo la mediana, y por la misma razn dada
en el otro caso, comprendida entre ambos indicadores. Grfi
camente
g r f ic a 10
Recurdese que la media aritmtica es un estadgrafo muy sen

sible a valores extremos de la variable, de all que en un caso
sea el mayor de los tres estadgrafos y en otro caso el menor de
ellos. La moda, como el valor de la variable que ms se repite,
tiene en general una clara ubicacin. Habra que agregar que
su valor depende sobremanera de la amplitud de intervalo ele
gida y su representatividad slo se garantiza cuando existe una
clara concentracin de frecuencias en un intervalo dado.
D. ESTADGRAFOS DE' DISPERSIN
Una vez caracterizada la distribucin a travs de estadgrafos de

tendencia central y conociendo el tipo de asimetra, interesa tener
indicaciones acerca del grado de heterogeneidad con que la va
riable se distribuye en un conjunto de observaciones. Dos distri
buciones pueden tener iguales estadgrafos de tendencia central,
sin embargo pueden mostrar grados de dispersin diferentes, como
puede observarse en la grfica que a continuacin se muestra.
g r f ic a 11
ESTADGRAFOS DE DISPERSIN 53
Evidentemente en la primera distribucin (lnea continua) los

valores aparecen ms concentrados en torno al eje central, en
tanto que en la otra aparecen mucho ms dispersos. Si ambas
distribuciones representaran ingresos de dos poblaciones, se con
cluira que en la primera distribucin los ingresos son ms homo
gneos, mientras que en la segunda se observara gran disparidad
entre ingresos altos, medios y bajos.
Parecera innecesario destacar la importancia que tiene contar
con indicadores que pudieran mostrar este tipo de caractersticas
en una distribucin; sobre todo en lo que se refiere a distribu
cin de ingresos, ahora de tanta actualidad, es indispensable con
tar con indicaciones adecuadas en este sentido.
1] R ecorrido de la variable
Cuando se aborda el problema de la dispersin, lo primero que
se piensa es el campo de recorrido de la variable: la diferencia
entre el mayor y menor valor de ella. Si bien brinda una primera
idea acerca de la heterogeneidad, tiene el inconveniente que slo
toma en cuenta los dos valores extremos, descuidando el conjun
to de valores intermedios. Puede suceder que uno de los valores
extremos est accidentalmente desplazado y no constituya por
tanto un valor representativo; en este caso el recorrido sera exa
gerado y la dispersin aparecera distorsionada. Para iniciar el
anlisis es conveniente considerar el recorrido, pero en ningn
caso es suficiente.
Para variable discreta R = Ym Y 0
Para variable continua R = Y Y
2] R ecorrido intercuartilico
Como una manera de subsanar el inconveniente de los valores
extremos que presentaba el estadgrafo anterior, se define un
nuevo indicador, que toma en cuenta el recorrido entre el pri
mer y tercer cuartil.
D<i = Q 3 Qt
Si bien es cierto que este indicador representa un adelanto

respecto del anterior, no lo es menos que siempre toma dos va
lores de la variable, dejando de lado el resto, y en consecuencia
la influencia de valores extremos puede, aunque en menor me
dida, originar algn tipo de deformacin en cuanto al grado de

dispersin.
3] Varianza
Se define este estadgrafo en virtud de la propiedad de la media
aritmtica que minimiza la suma de las desviaciones al cuadra
do. Se simbolizar por o2 V[Yi],
a) Para datos no agrupados
2 (X X )2 2X 2
V[X,] = o2 = ^ = - X2
n
b) Para datos agrupados
2 ( Y i - Y ) 2 n 2 Y 2 n,
V[Y] = o2 = ------- - = - - Y2
Si bien la varianza no tiene un fin per se sino que se utiliza

en materias que se presentarn posteriormente, da origen a un
estadgrafo que s tiene utilidad e interpretacin prctica. Se
trata de la desviacin tpica o estndar que se define como la
raz cuadrada positiva de la varianza.
o = +V 2
Mientras ms dispersa sea la variable, mayor ser la magnitud
de la desviacin tpica puesto que mayores sern los desvos res
pecto de la media aritmtica, sin posibilidad de compensacin
de desvos por tratarse de suma de cuadrados. Este estadgrafo se
expresa en las mismas unidades de la variable estudiada, en tan
to que la varianza se expresa en el cuadrado de la unidad de
medida.
Como puede observarse en la frmula, este indicador de dis
persin toma en cuenta todos los valores de la variable con sus
correspondientes frecuencias o pesos relativos, sin embargo, siem
pre es sensible a valores extremos. Por ello es conveniente, antes
de calcular los estadgrafos, hacer un anlisis previo de la tabla de
distribucin de frecuencias, para percibir la representatividad
de valores extremos y sus posibles efectos sobre los valores de los
estadgrafos.
ESTADIGRAFOS DE DISPERSION 55
c) Propiedades de la vari am a
i) Primera propiedad: La varianza de una variable a la cual
se le suma (resta) una constante, es igual a la varianza
de la variable original.
V[Y, K] = V[Y]
Aplicando la definicin de varianza a la variable Yi -f- K,

se tiene:
2 (Y K M[Y, K ])2
--------------------------------- n, = V[Y,]
n
pero se vio que
M[Y, + K] = K + M[Y,]
2 (Y K M[Yj] K)2
n, = V[Yt]
2 (Y, Y )2 n
V[Y,]
Grficamente, las dos distribuciones tienen la misma va

rianza, pese a estar desplazadas en el eje de las abscisas.
g r f ic a 12
ii) Segunda propiedad: La varianza del producto de una cons

tante por una variable, es igual al cuadrado de la constante
por la varianza de la variable.
56 EST A D G R A FO S D E SC R IP T IV O S E ST TIC O S
V[K Y,] K 2 V[Y,]
2 (K Y K Y )2 n
-------------------------- = K 2 V[Y,]
2 [K 2 (Yj Y)2] n
----------------------- = K 2 V[Y1
n
m _
K 2 2 (Y, - Y)2 n
i= l
---------------------- = K 2 V[Y,]
ii
K 2 V[Yt] K 2 V[Y]
d) C om ponentes de la varianza. En el caso que un conjunto

de datos haya sido dividido previamente en grandes categoras
o estratos, es posible desglosar la varianza en dos componentes
muy tiles para el anlisis. Admtase que una masa de datos ha
sido dividida en L estratos; cada estrato tendr una media arit
mtica, una varianza y un nmero de observaciones que expresa
la importancia de cada uno de estos estratos. En este caso la
variabilidad total puede deberse tanto a variabilidad dentro de
cada estrato como a variabilidad entre los diferentes estratos,
i) Intervarianza: Estadgrafo que representa la variabilidad en
tre los estratos; se define como la varianza entre las medias
de los estratos.
2 (h- ) 2nb
al = V[Y] = --------- ----------
donde
Yh es la media aritmtica del estrato h

Y es la media aritmtica general
nh es el nmero de observaciones o tamao de cada es
trato.
E ST A D G R A FO S D E D ISPE R SI N 57
ii) Intravarianza: Estadgrafo que representa la variabilidad
dentro de los estratos; se define como el promedio de las
varianzas de los estratos.
2 o'h nh
ot = M[o; ] =
n
donde oh2 es la varianza del estrato h, y nh y n obedecen

a las mismas definiciones del caso anterior.
Dado que los dos estadgrafos estudiados son partes componen
tes de la varianza, a continuacin se presenta la correspondiente
demostracin.
o2 = Ob -}- ot
2 2 (Yhl - )2 2 (h- )2 n 2 oI nh
h =l i-1 h =l li-l
pero
2 (Yhi Yh)2
oh = -------------------
remplazando
L L n (Yht Y h)2 nh
2 2 (Yh - Y )2 = 2 (Yh - Y)2 nh + 2 2
h*l 1-1 n
Elevando al cuadrado los correspondientes binomios

h n L _ _ _
2 2 ( i - 2Y Yh + Y2) = 2 (Y2 - 2Y Yh + Y2) nh +
u -1 i-1 h "l
Jj n
h
72
+ 2 2 (Y*,. - 2Yh Ybl + Yl )
A p lican d o las p ropiedades de la su m atoria

h
2 [ 2 (Y,?, ) - 2Y n Yh + n Y-)] = 2 Yg nh
n -i i- i ]i= i
- n Y- - f 2 2 [ (Ym ) - nh Y* ]
li-l i = l
2 2 Y5, n Y 2 2 n Y 2 + 2 2 V* hi
2 2 nta YI
h=l h=i i=i h=j
Simplificando trminos queda
2 2 Y = 2 2 Yf
h=l i= l h=l t= l
Luego
o2 = or, + o,T
Ejemplo: Pinsese en los sueldos y salarios pagados por una

fbrica, que tienen una varianza de 137 600. Si las observaciones
se clasifican por estratos: obreros, empleados administrativos y
tcnicos, ser posible analizar ms a fondo la distribucin de in
gresos.
Las informaciones disponibles seran:
Tam ao M edia p o r Varianza p o r

Estratos (h) estrato estrato estrato
nh Y*
O b re ro s 300 400 160 000

E m p lea d os a dm in istra tivos 100 400 160 000
T c n ic o s 100 500 40 000
La media aritmtica general ser:

ESTADGRAFOS DE DISPERSIN 59
L
2 o?, nh
680 000
a% = ---------- = = 136 000
n 5
2 ( - ) 2 nh
"-1 8 000
oS = = - ^ r = 1 600
n 5
El clculo de los anteriores estadgrafos permite concluir que

la variabilidad se debe principalmente a heterogeneidad en las
remuneraciones dentro de los estratos y no as a diferencias en
tre estratos; en otros trminos las remuneraciones promedio de
cada estrato, son bastante homogneas ya que la intervarianza es
pequea, mientras que las remuneraciones dentro de cada estrato
son muy heterogneas puesto que la intravarianza es bastante
grande. (Ver Anexo.)
e) M todos abreviados de clculo.

1) Primer mtodo abreviado. Se trata de encontrar una fr
mula que reduzca el volumen de operaciones; como en el
caso de la media aritmtica, la variable se expresar en
trminos de desvos respecto de un origen de trabajo. Re
curdese que:
m ____________ __
2 (Y, Y )2 n, 2 Z n,
1=1
o2 = ---------------------
n
ya que
Z, = Y, -
Si se desarrolla el cuadrado del binomi dentro de la sumato-

ria, se tiene:
m _ m _
2 Y? n, - 2Y 2 Y n, - f n Y 2
1=1 i=l '
a2 = ------------- ------------------------------
pero
2 Y, n, = nY
1*1
60 EST A D G R A FO S D E SC R IP T IV O S E ST A T IC O S
luego,
2 Yl n
i*i _
o2 ------------------ Y 2
n
Observando la siguiente grfica, resulta inmediata la deduc

cin de la frmula abreviada:
g r fic a 13
z 'i
i_______ r A_____ -i_____ i
Y'o Ot Y Yi Ym
i 1
Z\ = Z, + K
Elevando al cuadrado
Z f = ZI + 2K Z, 4- K 2
Ponderando por ^
Z f n, = Z2 ni -|- 2K Z| ni + K 2 n
Aplicando sumatoria
ni m m
2 Z f n, = 2 Z f n,+ 2K 2 Z, n + n K 2
1=1 1=1 ' = 1
Pero la primerapropiedad de la media aritmtica deca:
m
2 Z n = 0 ,
1=1
luego
m m
2 Z f- n = 2 Zf- n, + n K2-
i-i . 1*1
pero
ni
2 Zf- n, = n o!
1=1
y
ESTADGRAFOS DE DISPERSION 61
m
nK = 2 Zf n t (en el clculo abreviado de la media arit
mtica).
Luego
2 ZIf n / | Z' n, Y
i-l
o2 =
n . \ n /
ii) Segundo mtodo abreviado. Consiste, como se recordar, en

expresar las desviaciones en trminos de unidades de inter
valo (dividiendo por la amplitud del intervalo).
Y ,-O t %
es decir que Zf = c Z'( y remplazando en la frmula anterior

se obtiene:
ZT,n' ( i g j l
n ' n / '
En el siguiente ejemplo se podr comprobar el ahorro de tiem

po que significa la aplicacin de estas frmulas.
En el caso del primer mtodo abreviado:
Impuestos por
contribuyente Nmero de contribuyentes
1y'.i- i Y'i Yi i A Z'n. A 2i
0 20 10 20 -40 -8 0 0 32 000
20 40 30 15 -20 -3 0 0 6000
40 60 50* 10 0 0 0
60 80 70 8 20 160 3 200
80 100 90 5 40 200 8 000
58 740 49 200
o t = 50.
Remplazando estos valores en la frmula, se obtiene:

49 2001 740
- 8 4 8 .3 - 1 6 2 .8 = 6 8 5 .5
58 \ 58 ) ~
En el caso del segundo mtodo abreviado se tiene:
Y'
1 -i y* ni Zf z f ,: Z f 2,
0 20 10 20 -2 -4 0 80
20 40 80 15 -1 -1 5 15
40 60 50 10 0 0 0
60 80 70 8 1 8 8
80 100 90 5 2 10 20
58 -3 7 123
* o t = 50.
Aplicando la frmula respectiva:
o2 = 2O2 = 400 {2.12 - 0.407} = 685.5
4] C oeficiente de variabilidad
Tanto la varianza como la desviacin tpica tienen el inconve
niente de los estadgrafos absolutos, ya que en el caso de indi
caciones sobre dispersin, tiene mucha importancia no tomar en
cuenta la posicin de la distribucin. Estos estadgrafos, sobre
todo al comparar distribuciones, pueden deformar las conclu
siones.
Obsrvense las dos distribuciones que aparecen a continuacin.
g r fic a 14
ESTADGRAFOS DE DISPERSION 63
Ambas distribuciones muestran la misma dispersin en torno

a la media, es decir, tienen igual varianza y desviacin tpica;
sin embargo, en trminos relativos, una distribucin donde el
menor ingreso es 1 000 y el mayor es 1 100 , es mucho ms homo
gnea que otra distribucin donde el menor ingreso es 100 y el
mayor 200. En un caso la diferencia entre el mayor y menor in
greso es 10 %, mientras que en el otro es de 100 %.
Surge, por consiguiente, la necesidad de disponer de un esta
dgrafo que tome en cuenta la tendencia central de la distri
bucin. Se define as el coeficiente de variabilidad, como la razn
entre la desviacin tpica y la media aritmtica,
En el ejemplo anterior, si ambas distribuciones tuvieran, por

ejemplo, una desviacin tpica de 60, los coeficientes de varia
bilidad seran:
ol 60
CV1 = ------ _ 0.4 = 40%
Yi 150
a2 60
CV 2 = ----- = = 0.057 = 5.7%
Y., 1050
Estos estadgrafos permiten llegar a conclusiones ms realistas

y ciertas.
El coeficiente de variabilidad, o desviacin tpica xelativa como
tambin se le llama, puede tomar valores tan grandes como se
quiera, ya que no hay una relacin de dependencia limitante
entre o y Y. Por otra parte, en el caso de una distribucin
donde la media aritmtica fuera negativa no tiene sentido con
siderar el signo para calificar la dispersin. Por ello este esta
dgrafo podra definirse como el valor absoluto del cociente entre
la desviacin tpica y la media aritmtica.
Puesto que las propiedades de la media aritmtica y la desvia
cin tpica ya fueron analizadas, las propiedades del coeficiente
de variabilidad sern el resultado de las propiedades de los indi
cadores componentes.
Si bien es cierto que para calificar la dispersin de una distri
bucin es ms apropiado el coeficiente de variabilidad, de esto

no debe deducirse que la varianza y la desviacin tpica carecen
de utilidad; por el contrario, son muy tiles en el tratamiento de
materias que se estudiarn posteriormente.
E. UTILIZACIN DE INDICADORES DE LA PROGRAMACION
Con mucha frecuencia se escuchan quejas respecto de la escasez

de informaciones estadsticas bsicas para los pases en vas de des
arrollo. Admitida la deficiencia, es conveniente tambin recono
cer que no siempre se hace un uso ptimo de la escasa infor
macin disponible. Si se reconoce como etapa primaria durante
un proceso de planificacin la posibilidad de realizar diagns
ticos, ser necesario destacar la enorme utilidad de la estads
tica descriptiva en lo que se refiere a caracterizacin de fen
menos en un momento dado. Por una parte, el diagnstico
requiere disponer de una perspectiva histrica sobre las varia
bles estratgicas; por otra, esa misma perspectiva histrica debe
complementarse con anlisis cuantitativos en profundidad du
rante perodos que presenten cambios de orientacin y/o ritmo
en las tendencias observadas, aparte de una cuantificacin deta
llada para el momento cero de un plan. Es para esos puntos
para lo que el instrumental de estadstica descriptiva debe ser
puesto a disposicin del analista. Se ha insistido sobre la urgente
necesidad de contar con un juego de indicadores para las prin
cipales variables; cada indicador mostrar una faceta de la varia
ble estudiada, y un conjunto de ellos permitir una adecuada
e integral calificacin de las variables que interesan para el
diagnstico.
En general, un conjunto de indicadores permite realizar an
lisis de consistencia; de ese modo puede llegarse a una primera
evaluacin acerca de la calidad y fidelidad de la informacin
que se pretende utilizar.
TEM AS DE D ISCU SI N
ludique si las siguientes afirmaciones son verdaderas o falsas y justifi

que su opinin.
1] E n toda distribucin con media nula el p ercentil 38 es igual, en
valor absoluto al percentil 62.
rEMAS DE DISCUSIN 65
2] L as siguientes frm ulas dan resultados exactam en te iguales para

la m edia aritm tica.
2 X, S Y n,
2Z? n,
" > * O t C ----------------------------
3] L a media arm nica de una constante es igual al reciproco de la

constante.
4] Los siguientes datos son consistentes.
h, = 0.4 hi = 0.2 Ha = 0.8 n = 50
n4 = 5 = 25 Md = 30
5] P ara que la intervarianza fuese igual a la varianza, las medias

de los estratos deberan ser iguales.
6] E n una distribucin asim trica, el valor de la m ediana coincide
con el del segundo cuartil.
7] E n u n a distribucin norm al tipificada el sexto percentil es igual
a - 0 .1 5 .
8] Los siguientes datos son consistentes:
ot = 780
= 150
CV = 2 0%
O = H
9] E n una distribucin cualquiera, se debe verificar que:
+ o ^ Y'm
m = 6 11! = 0.2 h4= 0.2
H2 = 0 .6 H 3 - f H 4 = 1.9
11] E l nm ero de intervalos en que se clasifica una m asa de datos,

depende de la cantid ad de stos.
12] L a m oda es u n m ejor indicador que la m edia aritm tica, porque
es poco sensible a valores extrem os.
13] E n u n a d is trib u ci n n orm a l, d o n d e la m e d ia n a es 8 y la m ed ia

cu a d r tica 10, el c o e ficie n te d e v a ria b ilid a d ser in fe r io r al 5 0 % .
14] L o s sigu ientes d a tos son consistentes:
Mg = 0 Md - -1 0
15] L a m e d ia n a d e u n a d istrib u cin es 50. Si se m u ltip lica n los va

lores d e la v a ria b le p o r 1.6, e l v a lo r d e la m ed ia n a ser 80.
16] L o s sigu ientes d a tos son con sistentes p a ra u n a p o b la c i n d iv id id a
en d o s estratos d e igu a l tam ao.
Y1 = 1 0 2 = 10
0i = 8 o2 = 10
o2 = 81 (varianza p a ra tod a la p o b la c i n )
17] Si las eda d es d e los a lu m n os siguen u n a d is trib u c i n n o rm a l c o n

m e d ia 28 y d esvia cin tp ica 2, la p r o p o r c i n d e a lu m n os m e
n ores a 23 a os es d e l o rd e n d e 10 p o r cie n to .
18] E n el sector servicios el s u eld o p r o m e d io es d e 200 u. m . Si los
v a ron es con stitu yen el 70 p o r c ie n to d e la p o b la c i n rem u n era
da, es fa c tib le q u e su in greso p r o m e d io m en su a l sea d e 300 u. m .
19] D a d a u n a p o b la c i n c o n u n a cierta varianza, la m a g n itu d d e la
in tervarian za y d e la in travarian za d e p e n d e d e l crite rio d e estra
tifica ci n .
20] E l v a lo r m o d a l est c o n d ic io n a d o p o r e l n m e ro d e in terva los en
q u e se ta b u le u n a masa d e datos.
21] L o s sigu ientes d a tos son consistentes en u n a d is trib u c i n sim trica.
R e c o r r id o in tercu a rtlico: 80
P ercen til N 9 80: 200
M e d ia a ritm tica: 160
22] L a m e d ia g eom trica d e los valores d e u n a va ria b le m u ltip lica

dos p o r u n a con stan te, es igu a l a la m ed ia g eom trica d e la varia
b le o rig in a l.
23] L o s sigu ientes d atos son consistentes:
m = 5 2 Y ,2 n = 400 Y = 5
i 1
h5 = 0.1 H3 = 0.5 n = 8
24] El v a lo r m o d a l ca rece d e a d ecu a d a rep resen ta tivid ad , c u a n d o las

frecu en cia s d e los in terva los co n tig u o s al q u e c o n tie n e a este es
ta d gra fo, rep resen ta n fra ccion es p eq u e a s d e l total d e ob serva
cion es.
PR O BLEM A S PROPUESTOS 67
25] Si la varianza d e lo s ingresos d e los o b re ro s d e u n a in du stria es

400, y la in travarian za y la in tervarian za son iguales, estos c o m p o
n entes n o alteran su p a rticip a c i n rela tiva d e n tro d e la varianza
total si se reaju sta a tod os los ob re ro s en u n 2 0 % .
26] L a desvia cin tp ica d e las u tilid a d es rein vertidas de las sociedades
a n n im a s de cie rto pas, es d e 25 000 u n id a d es m on etarias. Si sola
m en te se co n sid e ra n las sociedad es a n n im a s industriales, su des
v ia ci n tp ica n o p o d r e x ce d e r d e 25 000 u n id a d es m on etarias.
27] A l co m p a ra r las region es A y B, se tiene q u e las d esvia cion es t
picas d e los ingresos fam iliares son d e 600 y 450 u n id a d es m o n e
tarias respectivam en te. Se p u e d e co n c lu ir en con secu en cia , q u e en
la re g i n B e l in greso est m s u n ifo rm e m e n te d istrib u id o.
PROBLEM AS PROPU ESTOS
1] E la b ore u n a d is trib u ci n d e frecu en cia s d e 7 in tervalos, d e m o d o

q u e el c o e ficie n te d e v a ria b ilid a d sea de 8 0 % .
2] E l sector asalariado d e u n a re g i n h a sid o d iv id id o en d os estra
tos: o b re ro s y e m p lea d os. Se trataba d e analizar los efectos d e
u n a p o ltica d e re d istrib u cin d e ingresos. L os d atos d isp on ib les,
antes y despus d e a p lica r tal p o ltica , fu e r o n los siguientes:
A ntes D espus
C o e ficie n te d e v a ria b ilid a d gen eral 60% 50%

Y (obreros) 15 ?
Y (e m p lead os) ? 30
P r o p o r c i n d e o b re ro s 0.6 0.6
2
<Jb 150 24
O2 225 144
Se le p id e en u m era r q u con clu sion es le m erece la p o ltic a de

re d istrib u ci n ta n to a n iv e l gen era l c o m o a n iv e l d e estrato. Jus
tifiq u e sus o p in io n e s , d e d u c ie n d o a q u ellos estadgrafos q u e le p a
rezcan pertin entes.
3] C o m p a re el g ra d o d e h e terog en eid a d en los salarios d e los o b r e
ros d e la co n stru cci n en dos pases.
Venezuela A rgen tin a
a = 650 b olva res o == 50 000 pesos
S alario p r o m e d io a n u a l: 1000 Salario p r o m e d io a n u a l: 780

dlares dla res
T i p o d e ca m b io : 5 b olva res T i p o d e c a m b io : 350 pesos
p o r d la r p o r d la r
Qu podra con clu ir en cuan to a la distribucin de ingresos en

ambos pases?
4] E n cierta com unidad el impuesto total recaudado a 100 000 con
tribuyentes d urante el ao 1966 fue de 13 millones de unidades
m onetarias. E l coeficiente de variabilidad de los tributos indivi
duales es de 120% , se sabe que hay 60 000 contribuyentes obreros
que cancelaron en con jun to 3 millones de unidades m onetarias.
Calcule la in travarianza de esa poblacin estratificada en obreros
y n o obreros, y com ente brevem ente la hom ogeneidad de la dis
tribucin de los tributos.
5] E l sector agrcola de un pas se divide en dos estratos: cultivos
intensivos y cultivos extensivos; respecto de los ingresos de los
trabajadores del sector, se tienen los siguientes indicadores:
Y = 100 u. m . CV = 50% oj; = 400
Se decide reaju star los ingresos de los trabajadores en 2 0 % y

darles adems una bonificacin de 30 u. m . a cada uno de ellos.
A nalice qu cambios en la distribucin del ingreso provoca el
reajuste.
E JE R C IC IO S
1] L a inversin real anual de un grupo de industrias pesqueras se

detalla a continuacin:
Miles de dlares
10 - 1 2 - 8 - 4 0 - 6 - 8 - 10 - 30 - 2 - 8 - 6 - 14
16 - 20 - 25 - 28 - 30 - 26 - 30 - 4 - 6 - 10 - 18 - 17
13 - 1 7 -2 1 - 7 - 6 - 8 - 14 - 7 15 19 27 22
0 - ]4 _ 6 - 8 - 9 11 13 15 18 2 0 - 30 - 60
12 - 6 - 5 - 5 - 6 - 8 - 7 12 15 36 - 39 - 52
Se pide:
a) Form e una tabla de distribucin de frecuencias, con ocho in
tervalos de am plitud constante;
b) Calcule las frecuencias relativas;
c) Calcule las frecuencias absolutas y relativas acum uladas;
d) R ep resente grficam ente la distribucin de frecuencias (histo
gram a y polgono de frecuencias) ;
e) Calcule los siguientes estadgrafos:
i) M edia aritm tica (datos originales y mtodos abreviados) ;
ii) M ediana;
iii) M oda;
iv) M edia arm nica.
E J E R C IC IO S 69
2] L as distribuciones de ingreso de dos paises son las siguientes:
Pas A Pais B
Ingresos anuales Ingresos anuales
por Poblacin por Poblacin
hab.: dlares remunerada hab.: dlares remunerada
80 - 100 30 000 6 0 - 90 10 000
100 - 120 80 000 90 - 1 2 0 20000
120 - 140 4 0 000 120 - 1 5 0 50 000
1 4 0 -1 6 0 10 000 1 5 0 -1 8 0 20 000
160 - 200 4 000 1 8 0 -2 1 0 15 000
200 - 220 1 000 2 1 0 -2 4 0 1000 0
240 - 270 4 000
a) Fundam ente, em pleando el clculo de estadgrafos que crea

conveniente, el grado de desarrollo com parado de ambos pases.
Necesita adems otros antecedentes para calificar a estos pa
ses con m ayor rigor?
b) Calcule el ingreso prom edio del 3 0 % de la poblacin de m a
yores ingresos en cada pas. C om pare los resultados y discuta
sus conclusiones. R ealice el mismo clculo para el 4 0 % de la
poblacin de menores ingresos.
c) Cul es el ingreso prom edio de los dos pases en conjunto?
A) Suponiendo que el pas B devala su m oneda en 3 0 % y el
pas A en 5 % , calcule los nuevos ingresos prom edio en ambos
pases.
3] E l ingreso p or habitan te de un pas es de 310 dlares al a o;
su sector obrero, que constituye el 59 p or ciento de la poblacin,
percibe 1 /5 del ingreso total. Calcule el ingreso p o r habitan te
de este sector.
4] U n autom ovilista se dirige de Santiago a T a lc a , ciudades que dis
tan 300 km en tre s; los prim eros 200 km los recorre a u n a velo
cidad de 120 k m /h o ra y el resto a 80 k m /h o ra. U tilizando un
estadgrafo de tendencia central, calcule la velocidad media.
5] L a m edia aritm tica en tre dos nm eros es 8 y su m edia geom
trica 2. Calcule la media arm nica.
G] Si la poblacin de un pas es al 31 de diciem bre de 1950 de
5 800 000 personas, y al 31 de diciem bre de 1960 de 7 200 000,
calcule la poblacin en 1955.
7] Si se tiene u n a distribucin de frecuencias simtrica, con 6 in
tervalos de am plitud constante, y los siguientes datos:
n = 150 Y5 = 60 n ,= n, -f 5
n, = 30 Q, = 43.5
calcule el 69 decil
8] L a sigu ien te tabla d e d istrib u cin d e frecu en cia s rep resen ta los
im pu estos p erson a les d e u n c o n ju n t o de p rofesion ales.
Im puestos (u. m .) Profesionales

Y<
* i-! Y<
*% n { (miles)
0 20 30
20 40 25
40 60 15
60 80 13
80 100 12
100 120 5
T
Se le p id e q u e:
a) C a lcu le la varianza p o r los tres m to d o s q u e co n o ce .
b) C a lcu le el c o e ficie n te d e v a ria b ilid a d .
c) Si se c o b r a u n im p u esto a d icio n a l d e 5 u. m . p o r person a,
cul es la d esvia cin tpica?
d ) Si se reajustan los im pu estos p o r person a en 2 0 % , cu l es la
varianza?
9] E l C. V . d e los ingresos d e 200 e m p lea d os d e u n a co m p a a es
57 p o r cie n to . D espu s d e reajustar, segn ley, to d o s los sueld os en
E 11, este C. V . es a h ora d e 50 p o r cie n to . Sin em b a rg o, la
g eren cia fija u n su eld o m n im o d e E 71. A n tes d e l reajuste,
h a b a 35 person as q u e ten an u n s u eld o m e d io d e E 40 y tod os
ello s ga n ab a n m en os d e E 60; c o n la n u ev a p o ltic a d e la ge
ren cia , sus sueldos sern eleva d os a E 71. D eterm n e la ca n tid a d
d e d in e ro q u e necesitar m en su a lm en te la com p a a , pa ra pagar
los sueld os despus de h acer efectiv os los reajustes.
10] E n u n a d is trib u ci n de frecu en cia s se m u ltip lica n los v a lores de
va ria b le p o r 3, y se o b tie n e u n a m ed ia aritm tica d e 54; si se
sum a 5 a los valores d e la variable, se o b tie n e u na m ed ia cu a
drtica d e 24. C a lcu le el c o e ficie n te de va ria b ilid a d d e la dis
trib u ci n .
11] Se cla sific a los trabajad ores d e u n m in era l en d os categoras:
m ayores y m en ores d e 25 aos, y se e x tra jo la sigu iente in fo r
m a ci n :
N m ero de Productivi Desviacin

obreros dad m edia tpica
nh y <*h
M ayores d e 25 aos 200 40 70

M en o re s d e 25 aos 300 60 40
C a lcu le la varianza de tod os los ob reros d e l m ineral.

SOLUCIN DE E JE R C IC IO S 71
12] L a m e d ia aritm tica y la d esvia cin tip ica d e los p o rcen ta jes de
re in versin d e u tilid a d es d e las em presas con stru ctora s son d e 4 0 %
y 2 0 % respectiva m en te. Si se su p o n e q u e esta va ria b le sigue a p ro
xim a d a m e n te u n a d is trib u ci n n o rm a l,* se le p id e q u e
a) C a lcu le cu l es el p o r ce n ta je d e em presas q u e rein v ierten ms
del 7 0 % ;
b ) C a lcu le e l p o r ce n ta je d e em presas q u e rein v ierten en tre 20 y
50% ;
c) C a lcu le cu l es la p r o p o r c i n d e em presas q u e rein v ierten cu a n
d o m u ch o 3 5 % d e sus u tilidades.
13] Se sabe q u e los co n su m os fam iliares en. b ien es esenciales, estn
re la cio n a d o s c o n los co n su m os fam iliares d e en erga elctrica m e
d ia n te la fu n c i n :
C. Es. = 4.5 C. En. - 5
Si la m ed ia aritm tica y la d esvia cin tp ica d e los con su m os d e

en erga se estim an en E 40 y E 1 5 respectivam en te, ca lcu le el
co e ficie n te d e v a ria b ilid a d d e los con su m os esenciales.
S O L U C I N D E E J E R C IC IO S
I] D a d o q u e el m e n o r v a lo r es 0, el m x im o 60, y se esp ecifica n 8

in terva los d e a m p litu d con stante, se cla sifica n los d atos en la si
gu ie n te fo rm a ; q u e d a n as resueltas las partes a, b y c.
w.V
**
1
ni hi H i Ar i H, t N t
1
0 - 8 21 2 1 /6 0 2 1 /6 0 21 6 0 /6 0 60
8.1 - 16 17 1 7 /6 0 3 8 /6 0 38 3 9 /6 0 39
1 6 .1 -2 4 9 9 /6 0 4 7 /6 0 47 2 2 /6 0 22
2 4 .1 -3 2 8 8 /6 0 5 5 /6 0 55 1 3 /6 0 13
3 2 .1 -4 0 3 3 /6 0 5 8 /6 0 58 5 /6 0 5
40.1 - 4 8 0 0 5 8 /6 0 58 2 /6 0 2
48.1 - 5 6 1 1 /6 0 5 9 /6 0 59 2 /6 0 2
5 6 .1 -6 4 1 1 /6 0 6 0 /6 0 60 1 /6 0 1
60 1
O bsrvese q u e la a m p litu d del p rim er in terva lo, es ligeram en te

s u p e rio r a la d e l resto.
* Vase infra el anexo sobre distribucin norm al.

72 E ST A D G R A F O S D E SC R IP T IV O S E ST T IC O S
d) La rep re sen ta cin g r fica seria la sigu iente:
GRFICA 15
20
15
10
8 6 24 32 40 48 56 64 Yi
e) L o s va lores d e los estad grafos seran los siguientes:

i) M e d ia a ritm tica ; existen varias alternativas
d a tos orig in a les
2 X,
i-i 967
X = = 16.12
60
M arcas d e clase
m 912
Y J E Y .h , 15 0
n 60
hi Yi hi
4 2 1 /6 0 8 4 /6 0
12 1 7 /6 0 2 0 4 /6 0
20 9 /6 0 1 8 0 /6 0
28 8 /6 0 2 2 4 /6 0
36 3 /6 0 1 0 8 /6 0
44 0 0
52 1 /6 0 5 2 /6 0
60 1 /6 0 6 0 /6 0
9 1 2 /6 0
Mtodos abreviados
H aciendo O t = r 20
SOLUCIN DE EJERCICIOS 73
Y* n z'i Z'i n i zr Zf ,
4 21 -1 6 -3 3 6 -2 -4 2
12 17 -8 -1 3 6 -1 -1 7
20 9 0 0 0 0
28 8 8 64 1 8
36 3 16 48 2 6
44 0 24 0 3 0
52 1 32 32 4 4
60 1 40 40 5 5
60 -2 8 8 -3 6
P o r el p rim er m todo abreviado
2 Z' n , / - 2 8 8 >i
Y = o t + 20-fl 1= 20 - 4.8 = 15.2
n \ 60 / 1
P o r el segundo m todo abreviado
2Z ? n / -3 6 \
Y = O, + c 1------i = 20 + 8 f I = 20 - 4 .8 = 15.2
n ^ V 60 /
ii) M ed ia n a :
n

2
- N k_ !
Me = Y '. , + Ck -----------------
n 60
= = 30. L a m en or frecuencia acum ulada que su-
2 2
pera este valor es N2 = 3 8 ; luego en el segundo intervalo
estar com prendida la m ediana. (Vase tabla 1.1.)
30-21 72
M, = 8 4 - 8 ----------------= 8 4 ----------- = 12.23
17 17
iii) M oda: Puesto que la frecuencia m xim a corresponde al pri

m er intervalo, se presenta u n caso particular.
Ck nk j 8*17
Md = YjU + J! _ = _ _ _ = 8
n k -l + n k+l
Ntese que este estadgrafo adquiere el valor del lm ite

superior del p rim er intervalo, porque no existe intervalo
inferior.
74 ESTADGRAFOS DESCRIPTIVOS ESTATICOS
iv) Media armnica
Y, 4.00 12.00 20.00 28.00 36.00 44.00 52.00 60.00
n 21.00 17.00 9.00 8.00 3.00 0.00 1.00 1.00

"/Y, 5.25 1.41 0.45 0.28 0.08 0.00 0.02 0.01
n 60
M_ 8
2] a) U n p r im e r in d ic a d o r es e l in greso p r o m e d io (la p o b la c i n se
exp resa en m iles d e p e r s o n a s ).
Pas A Pas B
Y
J<
i-i Y'i Yi Yi n i YU - Y\ Yi ni % Z'l "i
8 0 - 100 90 30 2 700 6 0 - 90 75 10 - 2 -2 0
1 0 0 - 120 110 80 8 800 9 0 -1 2 0 105 20 -1 -2 0
1 2 0 - 140 130 40 5 200 1 2 0 -1 5 0 135 50 0 0
140 160 150 10 1 500 1 5 0 -1 8 0 165 20 I 20
1 6 0 - 200 180 4 720 1 8 0 -2 1 0 195 15 2 30
2 0 0 - 220 210 1 210 2 1 0 -2 4 0 225 10 3 30
240 - 270 255 4 4 16
165 19130 129 56
2 Y, n, 19130
V 11R oa
A '
n 165
2Z ? n( 56
yb = Ot + c 135 - f 30 = 148.02
n 2 9 ~
U n p rim e r in d ic io q u e el pas B ten dra m a y or g ra d o d e des

a rro llo , est d a d o p o r el m a y or v a lo r d e su in greso p o r h ab ita n te;
sin e m b a rg o , es n ecesario ca lcu la r otro s esta d gra fos y c o n o c e r o tr o
tip o d e in fo rm a cion es, para ca lifica r a p rox im a d a m en te am bas situa
cion es.
El c lc u lo d e los valores m od ales ya in d ica q u e la d iferen cia en tre
a m b os pases, n o p a rece tan im p orta n te c o m o lo in d ica ra n los in
gresos p ro m e d io s.
Ck n k , 2 0 40
Mh = yv + r = 100 + = , n -4
A nk-i + nk+, 7
= 135 corresponder con la m arca de clase que tiene la

frecuencia m xim a, puesto que los intervalos contiguos tienen igual
frecuencia. N o se puede p reten der resum ir una situacin tan com
pleja en un p ar de estadgrafos, pues cada indicador constituye un
anlisis parcial de aquello que es susceptible de cuantificacin.
b) Se trata de acum ular las frecuencias hacia arriba, hasta com ple
ta r el 3 0 % de n. Com o las frecuencias n o coinciden perfectam ente
con esta cifra, se hace necesario dividir el intervalo de m anera
que la frecuencia acum ulada N , f sea el 3 0% de n.
Pas A
n = 165
0.30 n == 49.5
L a frecuencia absoluta deber ser 34.5 para satisfacer las condi

ciones del problem a; 34.5 representa el 86.25% de 40 y en esta
proporcin se divide el intervalo, quedando
Y<
1 i-i - Y
1 ' i Yi Yi ni
122.75 - 140 34.5 131.38 4 532
1 4 0 . 0 0 - 160 10.0 150.00 1 500
1 6 0 .0 0 -2 0 0 4.0 180.00 720
200.00 - 220 1.0 210.00 210
49.5 6 962
- 6 962
Ya = 140.6
49.5
Pas B
Siguiendo el mismo proceso se llega a la siguiente tabla.
Y '
1 -i Y'-
1i yt y t i
165.5-180 9.7 172.7 1 675.2

180.0-210 15.0 195.0 2 925.0
210.0-240 10.0 225.0 2 250.0
240.0 - 270 4.0 255.0 1 020.0
38.7 7 870.2
7 870.2
Yb = = 203.4
38.7
P ara el 4 0 % de la poblacin de ingresos m enores, el procedi*

m iento es similar, se llega a las siguientes tablas estimadas.
Pais A
Y<
1 *-i Y<
1 ni 14 Yi i
80-100 30 90.0 2 700

100 - 109 36 104.5 3 762
66 6 462
6462
= 97.9
Pas B

ST|
*4 14 i
i
i
10.0
1
1
6 0 - 90 75.0 750.0
9 0 - 120 20.0 105.0 2 100.0
120-133 21.6 126.5 2 732.4
51.6 5 582.4
5 582.4
Yb -------------- = 108.2
51.6
nA "l- nn _
c) Y (C onju n to) =
n A 4 " n B
(165) (115.9) - f (129) (148.0)

_ = 130
d) L a devaluacin im plica una tasa de cam bio m;s alta, en moneda

del pals p o r dlar. Luego, p ara el pas A:
M I r_ q - j
!_ I =
1 1.30 J1
L 1
'.3
. 0
M [Y] = :
1.30
115. 94 = 89.2
SO L U C IO N D E E J E R C IC IO S
Para el pas B
r Y "1 1 1
M !_ = -------- M [Y ,l = ---------- . 148.02 = 141.0
L 1.05 J 1.05 1.05
3] Se sabe q u e
In g re s o total
= In g re s o p o r h ab ita n te
P o b la c i n
Y
= 310
P
Para e l sector o b r e r o , el in greso p o r h a b ita n te ser
1 /5 Y
Y (o b r e r o ) = -------------
0.59 P
pero Y = 310 P, lu e g o
1 /5 (310 P ) 62
Y (o b r e ro ) = = = 105.08
0.59 P 0.59
4] E l esta d gra fo in d ic a d o es la in e d ia a rm n ica
n 300 720
Mh = ---------- = = = 103
n. 200 100 7
2 1-
Y, 120 80
5] Seau X e y los n m eros:

6] Si se supone un crecim iento exponencial a una tasa constante,

es factible ap licar la media geom trica, que dar la poblacin a
m itad del perodo.
Mg = -y/5.8 7.2 = V 4 1 .7 6 = 6.459
7] Los datos disponibles, pueden disponerse as en una tabla de fre

cuencias.
Y
1<t - i Y 'i i Nj Estadgrafos
Y'
*0 Y ,' ni Nt
Y ,' Y2' ni - f 5 N2 Qj = 43.5
Y'2 Y3' 30 75
Y 3' Y'< 30 n 4
Y *' 60 n6 + 5 n 5
60 n 150
Y7*
150
Recurdese que la distribucin es sim trica y, p or lo tanto,
n i --- n 6 n2 n5 ; n3 = n4 = 30
Se sabe que
nx + + n3 = 75
i + 4 - 5 4 - 30 = 75
nx = 20 luego
n2 25
Se trata de en co n trar el valor de la am plitud del intervalo Ck.

P ara ello
n
Nk_i
4
Qi = Y' + c k ------------
nk
P ara determ inar en qu intervalo se h alla Q t, debe verse cul
n
es la m en or frecuencia acum ulada que supera a - = 37.5. Se
com prueba que es N = 45; luego Q t estar dentro del segundo

intervalo:
37.5 - 20
Qi = Y' -j- Ck ----------------
^ 25
P ero
Y5 = + 4 Ck = 60
Luego
Y' = 60 - 4 Ck
y rem plazando en la frm ula de Q t, se tiene:
17.5
43.5 = 60 - 4 Ck + Ck _ _ = 60 - 4 C k 4 - 0.7 C k
3.3 Ck = 60 - 43.5 = 16.5
16.5
L a distribucin quedar asi:
Y
1'i-i y'i
35 40 20 20
40 45 25 45
45 50 30 75
50 55 30 105
55 60 25 130
60 65 20 150
U na vez com pletada la tabla, se calcula inm ediatam ente el 6? decil.
6n
Nk_,
10
De = K-x + Ck -------------
nk
P arad eterm inar k, ser necesario calcu lar la m enor frecuencia
6n
acum ulada que supere a = 90. Se com prueba que es N 4.
8] a) U n a frm ula p ara el clculo de la varianza es
Yi i ^ i i Y] i
10 30 300 3 000
30 25 750 22 500
50 15 750 37 500
70 13 910 63 700
90 12 1 080 97 200
110 5 550 60 500
4 340 284 400
- 4 340
Y = 43.4
100
284 400
o2 = - (43.4)2 = 2 844 - 1 884 960
100
U tilizando m todos abreviados con O t = 5 0 se tiene
Z'i Z\ 4 Zp Z? Zf i Zf
-4 0 -1 200 4 8 000 -2 -6 0 120

-2 0 -5 0 0 10 000 -1 -2 5 25
0 0 0 0 0 0
20 260 5 200 1 13 13
40 480 19 200 2 24 48
60 300 8 000 3 15 45
-6 6 0 100 400 -3 3 251
2 2? n, / 2 Z'j n , y 100 400
n \ n / 100
T am b in
fS Z T i n V '| ('51 'j

o- = ( _ _ ) } = 400 { _ - 0 .1 1 } ^ 960
b) E l C. V. es
O V 96 31
C. V. = = -------- = = 71.4%
43.4 43.4
Y
c) Recurdese que
V [Y, + K] = V [Y ,]
V [Y , + 5] = V [Y ,] = 960
Luego,
o = 31
d) Recurdese que
V [K Y J = K= V [Y ,]
V [1.2 Yj] = 1.44 V [Y ] = 1.44 (960) = 1 382.4
9] Los datos son
= 0.57 (1)
Y
o
= 0.50 (2)
Y - f - 11
ya que.
M [K- + Y ,) = M [Y ,] + K
V [K + Y ,] V [Y ,]
Luego,
a = 0.57 Y rem plazando en (2)
0.57 Y = 0.50 (Y - f 11)
0.07 = 5.5
Y = 78.6 (antes del reajuste)

Adems, esta media estaba com puesta por dos grupos: 35 perso-
as con ingreso medio de 4 0 y 165 personas con ingreso de Y r
que se ob ten dr de
- = 35 (40) + 165 (Y ,)
200
78.6 (200) = 1 400 - f 165 Y t
15 7 2 0 - 1 400 14 360
Y1 = --------- -- = = 87
165 165
Las nuevas medias aritm ticas despus de los reajustes sern:

El prim er grupo de 35 personas tendr un ingreso prom edio de
E 71.
E l segundo grupo de 165 personas tendr un ingreso m edio de
E 98 (87 + 1 1 ).
L a cantidad de dinero necesaria ser:
C. D. = 35 (71) + 165 (98) = 2 485 + 16170 = 18 655
10] Los datos son:

M [3 Y ] = 54
Mc [Y, + 5] = 24
Luego
M [3 Y J = 3 M [Y J = 54
M [Y J = 18
rsY-n,-i
c [ Y l + 5 ] = [ ^ ^ y = 24
2 (Yj n i + 1 0 Y i n 1 4 - 2 5 n i)
= 576
2V j n, 2 Y , ni
Z -i 1 4 - 1 0 -------! _ 4 - 25 = 576
2 Y? n,
4-10 (18) = 551
n
S Y f n,
371
n
Siendo
2 Y? n , _
a2 = ------- ------ Y 2 = 371 - 324 = 47
a = 6.86
6.86
C. V. = . - = 38.11%
18
A plicando las propiedades de la varianza, es posible llegar al mis-

dio resultado:
V [Y ] == V [Y , 4 - 5] = M| - ( 4 - 5) 2 = 242 - 232 = 47
11] L a descomposicin de a 2 en o| y a 2, es til para llegar al va

lor de la varianza del conjunto
2 (h Y ) 2 nh S o nh
a2 = ------------------------------i------------------
Ser necesario calcu lar Y:
- _ 2 Y k% _ 40 (200) 4 - 6 0 (300) _ ^
~ n ~ 500 ~
(40 - 5 2 ) 2 200 -f- (60 - 5 2 ) 2 300 4 900 (200) - f 1 600 (300)

a2 --------------------------------------------------------- 1-----------------------------------------------
500 1 500
288 4 - 192 9 800 - f 4 800 15 080

O2 = -------- '-------------1---------------- = = 3 016
5 5 5
12] Los datos son:
= 0.4
a = 0.2
a) Se tendr que estandarizar el valor 0.7:
0.7 - 0.4
1.5
0.2
Luego en la tabla se ve que
P ( i > o) = 1 ( l i > 1-5) == 0.5 - 0.433 = 6.7%
b) Estandarizando ambos valores se tiene
0 .2 -0 .4 0 .5 -0 .4
t0 = ------------------= -l tL= ------------------ = 0.5
0.2 0.2
p (to ^ i ^ tt) = P (-1 ^ ti ^ -5) = 0341 4- 0-195 = 53.6%
c) Estandarizando se tiene
0 .3 5 -0 .4
= - 0 .2 5
0.2
P (t, ^ g = P (t, ^ - 0 .2 5 ) = 4 0 .1 %
13] Si la [uncin es
C. Es. = 4.5 C. E n . - 5
aplicando el op erad or media se tiene:
M [C. Es.] = 4.5 M [C. E n.] - 5
rem plazando valores
M[C. Es.] = 4.5 [40] 5 = 175
A plicando el op erad or varianza:
V [C. Es.] = (4.5) * V[C. E n ]
V C. Es. = 20.25 [225] = 4 556
E l coeficiente dc variabilidad ser:
- f a/ 4 5 5 6 67.5
C. V. = 4 L --------- = = 38.670
175 175
DISTRIBUCIN N ORM A L 85
a n e x o : d i s t r ib u c i n n o r m a l
Una de las ms utilizadas, dentro de las distribuciones tericas

de variable continua, es la llamada distribucin normal o de
Gauss. Se trata de una distribucin simtrica, unimodal y asin-
ttica al eje de las abscisas. Numerosas variables que se analizan
en la investigacin socioeconmica corresponden o se aproximan
a la distribucin normal.
La expresin matemtica de esta distribucin es la siguiente:
y la representacin grfica de una distribucin normal particu

lar es la siguiente:
GRFICA 16
f()
X
Md
Me
Si se desea que el rea encerrada por la Airva sea igual a 1,

bastar con integrar la funcin entre oo y +oo, igualar el
resultado a 1 y despejar el valor de c.
Luego, la expresin matemtica de la distribucin normal o

funcin de densidad cuando el rea que ella encierra es igual
a la unidad, es:
X -X
- M' '2
f(x) (T -y
a
La anterior expresin muestra que una distribucin normal

est completamente determinada cuando se especifica el valor
de su media aritmtica y de su desviacin estndar.
Si se obtiene la primera derivada:
1
f' = (X - X) f(x)
o2
igualando a cero, resulta evidente que el nico punto mximo

se verifica para x = x. Se trata entonces de una distribucin
unimodal donde coinciden la mediana, la moda, y la media arit
mtica.
Si se obtiene la segunda derivada:
" = - 7 M ^ ) 1] f(x)
se encuentra dos puntos de inflexin igualando la anterior ex

presin a 0,
x = x a
Geomtricamente la desviacin estndar es la distancia que

hay entre el eje de simetra y un punto de inflexin.
Toda vez que se desee encontrar el rea encerrada por la curva
normal entre dos puntos cualesquiera, sera necesario integrar la
respectiva funcin entre los lmites deseados; existen tablas es
tndar donde ya se han realizado los clculos de las integrales.
Es necesario, para hacer uso de dichas tablas, expresar previa
mente la distribucin particular que se tenga, en trminos de
una variable tipificada, definida de la siguiente manera:
DISTRIBUCIN NORM AL 87
X X
t -------
donde esta nueva variable tiene media 0 y desviacin tpica 1.

En efecto, '
M [t] = M
aplicando las propiedades de la media aritmtica
1
M [t] = [M (x) - X] = 0
a
Por otra parte,
vw=v [^ r]
aplicando propiedades de la varianza
1 a2
v M =
o-
v [x] =
o-
= i
En consecuencia, el rea encerrada en una distribucin normal

tipificada N[0, 1] ser
1 1 -t=
f e 2 dt
V2r * .
ya que
x x
t = -------
dx = o dt
En cualquier texto de estadstica aparecen los valores tabula

dos de la distribucin normal tipificada; una manera muy co
rriente de tabularla es la siguiente;
88 ESTADGRAFOS DESCRIPTIVOS ESTATICOS
Variable tipificada Area comprendida entre 0 y t

t s im d t
0.00 0.000
0.05 0.020
0.10 0.040
0.15 0.060
0.20 0.079
0.25 0.099
0.50 0.195
0.60 0.226
0.80 0.288
0.90 0.316
1.00 0.341
1.20 0.385
1.50 0.433
1.60 0.445
2.00 0.477
2.50 0.494
3.00 0.499
00 0.500
Es necesario tener cuidado en el uso de estas tablas y cer

ciorarse de que los lmites de la integral correspondan con lo que
se desea. As, hay tablas en las cuales se tabula el valor del
rea entre t y -f-t, que correspondern al doble de rea de la
tabla mostrada como ejemplo. Se deca que una vez especificados
los valores de la media aritmtica y la varianza, queda total
mente determinada la funcin.
Ejemplo: Admtase que las edades de los participantes de un
curso siguen aproximadamente una distribucin normal, con me
dia 25 aos y desviacin tpica 5. Con estos dos datos ser posible
calcular la proporcin de alumnos en cualquier tramo del eje
de las abscisas.
Para encontrar la proporcin de alumnos con ms de 29
DISTRIBUCIN NORMAL 89
ios de edad, previamente se tendra que tipificar este va

lor. Sea x0 = 29
Si se observa la tabla de pginas anteriores setiene que el rea

:ntre 0 y 0.8 es de 0.288; luego la proporcin de alumnos con
ms de 29 aos ser:
P (x, > 29) = P (t, > 0.8) = 1 - (0.50 + 0.288) = 0.212
Donde P indica proporcin o probabilidad. Si se quisiera ha

llar la proporcin de alumnos que tienen edades entre 22 y 26
ios, sera necesario tipificar previamente cada uno de estos va
lores:
Sean x0 = 22 y x, = 26
2 2 -2 5 2 6 -2 5
t0 = ----------- = -0 .6 t, = -----------= 0.25
5 5
Recurdese que la distribucin es simtrica y que
P (t > ti) = P (t < - h )
O sea que
P (0 > t > -0 .6 ) = P (0 < t < 0.6) = 0.226
P (0 < t < 0.25) = 0.099
Sumando las dos reas se concluye que el 32.5% de los alum

nos tienen edades comprendidas entre 22 y 26 aos.
NMEROS NDICE
A. EL P R O B L E M A GEN ERA L
Cuando se define un nmero ndice como un indicador de la

tendencia central de un conjunto de elementos que generalmente
se expresa como porcentaje, se advierten las limitaciones de todo
estadgrafo.
El uso cotidiano que se hace de este instrumento obliga a
plantear previamente algunas de sus limitaciones. Es muy til
no olvidar que se trata de un indicador que pretende reflejar el
comportamiento de ciertas variables en forma aproximada; en
consecuencia no se trata de una medicin exacta. Por otra parte
es necesario establecer que un nmero ndice plantea una com
paracin, ya sea en el tiempo o en el espacio, respecto de un
punto de referencia denominado base del ndice.
A medida que se vayan introduciendo los distintos conceptos
que se refieren al conjunto de los nmeros ndice, se profun
dizarn estos planteamientos primarios, ya que la experiencia
aconseja que el estudiante tenga ciertas reservas a medida que
avanza en este terreno, para evitar posteriormente una utiliza
cin indiscriminada y sin las aludidas reservas.
B. CLASES DE N M ERO S N DICE
Fundamentalmente, dentro de la estadstica econmica, interesa

disponer de indicadores sobre precios, cantidades y valores.
Un ndice de precios ser un indicador que refleje la varia
cin de los precios de un conjunto de artciilos entre dos mo
mentos en el tiempo o dos puntos en el espacio; es el caso de
un ndice de costo de vida.
Un ndice de cantidades ser un indicador que refleje la va
riacin en las cantidades de un conjunto de productos entre dos
momentos en el tiempo o dos puntos en el espacio; por ejem
plo, un ndice de produccin industrial.
Por ltimo, un ndice de valor indica la variacin en el valor
total de un conjunto de productos entre dos momentos en el
[90]
F R M U LA S DE C LCU LO 91
tiempo o dos puntos en el espacio; ejemplo, ndice de ventas

comerciales.
C. F R M U L A S DE CLCULO
Ocurre que, cuando se trata de analizar la variacin, por ejem

plo, en el precio de un solo artculo, no es necesario un indi
cador especial, basta con expresar la variacin en trminos por
centuales.
Ejemplo:
Periodo Precio del bien R elacin po rcentual
1960 20 100
1961 25 125
1962 26 130
1963 30 150
Tomando como punto de referencia el precio del ao 1960, y

asignndole el valor 100, se calculan, por un: regla de tres
simple, los ndices correspondientes a los otros j>eriodos; as, pue
de decirse que el precio del bien entre 1960 y 196S ha experi
mentado un alza de 50%. El clculo de un ndice, cualquiera
que sea ste, referido a un solo bien, no necesita, pues, de un esta
dgrafo especial.
El problema de los nmeros ndice surge cuando se desea ave
riguar las variaciones de precios o cantidades de un conjunto de
artculos; considrese el siguiente ejemplo:
Precios
B ienes 1960 1964
A (m etro) 10 15
B (q u in ta l) 100 140
C (litro ) 50 60
D (ton ela d a ) 8 6
168 221
Para resumir el incremento en los precios de este conjunto de

artculos, una primera solucin consistira en sumar los precios
92 NMEROS NDICE
en ambos perodos y establecer la variacin porcentual entre

ambos agregados; de esa manera se llegara a calcular un ndice
agregativo simple. Si se considera el ao 1962 como base, se tiene:
1960 1964
168 221
100 = ------ 100 131.5 = ------ 100
168 168
Podra concluirse que el conjunto de estos precios ha variado

en 31.5% durante el perodo. Sin embargo, el mtodo tiene dos
serias limitaciones; por una parte, estar afectado por las uni
dades a que estn referidos los precios, y por otra, considera
igualmente importantes los cuatro bienes, cuando el B puede
ser trigo y el bien D comino; no se discrimina, si se emplea
este mtodo, la importancia relativa de cada artculo. En cuan
to a las unidades de medida, considrese el ejemplo anterior,
y supngase que el precio del bien B se refiere al quintal de
trigo; si se tuviera el precio del kilo el resultado del ndice
sera distinto:
Precios
Bienes 1960 1964
A (m etro) 10 15
B (kilo) 1 1.4
C (litro) 50 60
D (tonelada) 8 6
69 82.4
Asignndole siempre a 1960 el valor 100 como base del ndice,

se tiene que, para 1964, el ndice agregativo simple es ahora de
119.42 (100 82.4/69). Se llega a un resultado distinto sin que
haya habido variacin de precios alguna respecto del caso an
terior, excepto que en ambos perodos se tom un precio referido
a una unidad distinta.
Por lo que toca a este problema, es posible evitarlo calculando
precios relativos. Se asigna a los precios de cada uno de los ar
tculos en el perodo base, el valor 100 y por regla de tres sim
ple, se calculan los correspondientes al perodo para el cual
interesa conocer el ndice.
Si se observan los ejemplos anteriores, se tendr:
FRMULAS DE CLCULO 93
Precios
Bienes i960 1964
A 100 150
B 100 140
C 100 120
D 100 75
Obsrvese que en el bien B, sea cual fuere la unidad de me

dida, el incremento de su precio es de 40%. Pero aunque en
este mtodo denominado de cifras relativas se subsana el pro
blema de las unidades, persisten otros problemas que exigen so
lucin: en primer lugar, la eleccin de un indicador de tenden
cia central. Se tienen los precios relativos para 1964, pero es
necesario resumirlos por medio de un estadgrafo de posicin:
media aritmtica, mediana, etc. Todos ellos conducirn, en ge
neral, a resultados distintos. Cul de ellos admitir? Si bien en
cada caso particular habr un estadgrafo adecuado que satisfaga
las necesidades de representatividad que se tenga, en general se
utiliza la media aritmtica, principalmente por la facilidad que
implica su manejo algebraico. Es necesario cuidar que no hayan
valores extremos que distorsionen el estadgrafo. En el ltimo
ejemplo, si se toma la media aritmtica, el ndice para 1960 ser
de 100 y el de 1964 de 121.25, es decir, el conjunto de artculos
habr experimentado un alza de 21.25% en el perodo. Obsr
vese que la conclusin est referida al conjunto, pues se trata
de un promedio. Cada bien en particular acusa variaciones dis
pares en sus precios, e incluso el bien D muestra decrecimiento.
En consecuencia, tomar cifras relativas salva el inconveniente
de las unidades de medida, pero an subsiste el problema de la
ponderacin, ya que a cada artculo debe asignrsele la impor
tancia debida.
Tomando como punto de partida los precios relativos se en
sayarn algunos criterios de ponderacin, para obtener los ndices
ms usuales en la investigacin econmica.
Si los precios relativos
Po
donde pn es el precio en el perodo dado y p0 el precio en el

perodo base, se ponderan por los valores del ao base: p0 q0,
94 NM EROS NDICE
se obtiene la conocida frmula de Laspeyres para precios

(IPL), es decir:
2pq0
2poq 2 po q0
La sumatoria se extiende a todos los artculos considerados en

el ndice. Como en todo promedio aritmtico, se divide por la
suma de las ponderaciones.
Un ndice de precios de Laspeyres debe interpretarse como el
nivel que alcanzan los precios en un ao dado, respecto de un
ao base al que se asigna el valor 100, considerando las mismas
cantidades del ao base en ambos perodos; en otras palabras,
se trata de percibir la variacin en los preios de una canasta
de productos elegidos en 1 ao base y que permanece inalterada
durante los perodos sucesivos.
Este ndice, por lo tanto, tiene un significado bien concreto.
El supuesto que la canasta de productos realmente no registre
variaciones significativas, es otro problema; es el analista quien
deber determinar si el supuesto se cumple o no, y por lo tanto,
juzgar la conveniencia de utilizar un ndice de Laspeyres.
Por otra parte, si los precios relativos , se ponderan por va-
P
lores hbridos: p0 q, se tiene el ndice de precios de Paasche
(IPP), que tambin se utiliza con frecuencia:
V Pn
2 Po q.
Po 2 p qn
2 po qn 2 p0q
Obsrvese que ahora los precios estn multiplicados por las
cantidades del ao que se calcula (q). Por este hecho un n
dice de precios de Paasche debe interpretarse como la variacin
de los precios de un conjunto de productos, suponiendo cons
tantes las cantidades del ao dado; en otros trminos, la canasta
de productos que se considera, es la del perodo que se calcula
y se toma esta misma canasta para el ao base.
Respecto de los ndices de valor, por el significado simple que
tienen, no requieren deducciones especiales, ya que son sencilla
mente el resultado de la divisin entre los valores del ao que
se calcula y el ao base.
F R M U L A S DE C L C U L O 95
2 p n q,i
IV
2 po qo
A co n tin u aci n se Considerar un ejem plo donde se ca lcu la r n

los ndices presentados:
Ao 0 Ao 1 Ao 2
Artculos Po <io P, 9, Pz <2.
A 10 4 12 5 20 3
B 4 3 4 3 5 3
C 8 10 8 12 7 15
D 20 2 30 2 40 3
p: precio; q : cantidad.
No hace falta el clculo en el ao 0, base del ndice, ya que

coinciden precios y cantidades:
Pn = Po y q., =q
Para los ndices de Laspeyres se tiene:
IP L (ao 1) =
2 pi q0
=
48 + 12 + 80 + 60
Z ----- ----- Z ----Z 200
... ---- 116.3
' 2 po q0 4 0 + 12 + 80 + 40 172
S p 2q0
IP L (ao 2) = Z Z _ = Z -----Z-
80+
Z = --------
15 + 70 + 80 245
= 142.4
' 2pq0 40 + 12 + 80 + 40 172
Para los ndices de Paasche, suponiendo siempre el ao 0 como

base del ndice:
2 Pj Qr
IPP (ao 1) = L
60 + 12 + 96 + 60
------ = Z ZZ 228
115.2
-
v 2 po qt 5 0 + 12 + 96 + 40 198
2 p, q,
IPP (ao 2) = Z Z l _ Z
60 + 15 + 105 + 1 2 0
Z Z = 300
---- = 135.1
v ' 2 po q2 30 + 12 + 120 + 60 222
E l ndice de v alo r:
96 NMEROS NDICE
2 P2 q* GO + 15 4- 105 + 120 300

IV (ao 2) = - 1 ^ = ---- ------ ------- = = 174.4
2pq0 4 0 + 12 + 80 + 40 172
En el siguiente cuadro puede apreciarse la diferencia entre las

indicaciones de uno y otro ndice
Indices
Aos IPL IPP IV
0 100.0 100.0 100.0

1 116.3 115.2 115.1
2 142.4 135.1 1744
Puede apreciarse que el 1PL crece ms que el IPP. En el pri

mero se considera constante la canasta de productos del perodo
base; en cambio, en el segundo, se considera constante la ca
nasta de productos del perodo en que se calcula el ndice. Por
lo tanto ambos ndices indican la variacin promedio de los
precios bajo supuestos diferentes; sin embargo, es muy frecuente
confundir el significado de estos indicadores, porque no se con
sideran los supuestos de uno y otro.j
Con referencia a los ndices de caqtidad, es necesario hacer el
mismo tipo de consideraciones, ya que se presentan problemas
similares; unidades de medida, ponderaciones, etctera.
Siguiendo el mismo criterio de los ndices de precios, puede
obtenerse el ndice de cantidades de Laspeyres (IQL).
2 -5- p0 q0
1Q L= q q P
2 qo Po 2 qo Po
El ndice de cantidades de Paasche ser (IQP).
2 ----- q Pn v
IQP = 5!_________=
2 qo Pu 2 qo Pu
Mientras el IQ L representa la variacin en las cantidades su

poniendo constantes los precios del perodo base, el IQP repre-
PRU EBA S 97
scnta la variacin de las cantidades suponiendo constantes los
precios del perodo calculado. Nuevamente se insiste sobre la
necesidad de no descuidar estos supuestos, cuando se interpreta
un ndice.
Las frmulas presentadas son, como se dijo, las de uso ms
frecuente. Hay una cantidad extraordinaria de frmulas de ndi
ces que se diferencian unas de otras segn los factores de pon
deracin utilizados. Por razones de brevedad slo se mostrarn
las ms conocidas.
Marshall - Edgeworth para precios
IPM = S p (q + ^
2 Po (qo + q)
Indic de precios de Keynes
2 pn (q A q)
IPK =
2 Po (q0 A q.j
donde el signo A es nfimo y quiere indicar que se tome la

menor de las cantidades que estn a sus costados.
La llamada frmula ideal de Fischer para precios, que es
la media geomtrica de los ndices de Laspeyres y de Paasche.
pnq0 2 p nqn
IPF = y/IPL IPP V 2
2 p0 q0 2 p q
En estas ltimas frmulas, bastar remplazar p por q, para
obtener las frmulas correspondientes a ndices de cantidad.
. PRUEBAS SOBRE LOS NMEROS NDICE
Irving Fischer, quien plantea la frmula por l llamaua ideal,

propuso pruebas para calificar los nmeros ndice.
1] Prueba de reversin de factores

I,a prueba se basa sobre un criterio de analoga: lo que es cierto
para un producto debiera ser cierto para un conjunto de ellos.
As, para cualquier artculo se tiene que:
precio X cantidad = valor
98 N M E R O S N D IC E
Las frmulas de Laspeyres y Paasche no satisfacen esta prueba,

como puede verse a continuacin.
IP L X IQ L ^ IV, en efecto
2 pq0 2 qp0 2 p q
2 Po qo 2 qo Po 2 Po qo
IPP X IQP ^ IV
2 p q 2 qn pn 2 pn qn
2 Po qn 2 qo Pn 2 Po qo
La frmula de Fischer s satisface esta prueba
IPF X IQ F = IV
/ 2 pnq0 2 pqn\^ / 2 q p02qp\^ _ 2 pn qn

V2 poq0 2 poq / \2 q0p0 2 q0p / 2 p0q0
Simplificando trminos semejantes se tiene:
2 pn qn _ 2 pnqn
2 p0 q0 2 po q0
Sin embargo, esta prueba tambin se satisface con una combi

nacin de ndices de precios de Laspeyres y cantidades de Paas
che o viceversa, como se comprueba a continuacin:
IP L X IQP = IV
2 p q0 2 q p _ 2 p qn
2 p0 q0 2 q0 pn 2 pq0
IPP X IQ L = IV
2 pq 2 qp0 _ 2 p q
2 po q 2 qo Po 2 po qo
Estas dos ltimas relaciones merecen retenerse, porque se uti

lizan con frecuencia.
PRU EBA S 99
2] Pruebas de reversin temporal

Nuevamente el criterio de analoga; si el precio de un producto
es en el perodo a de 40 y en el perodo "b de 50, en el
primer perodo se observa que el precio es el 80% del que se
da en el perodo b, y en ste el 125% del precio del perodo
a. Lgicamente el producto de estos porcentajes debe dar 1,
es decir:
P Po
X = 1
Po Po
Esta prueba no la cumplen las frmulas de Laspeyres y

Paasche.
En efecto:
IPLb, a X IPLa, b 1
donde el primer subndice indica el perodo que se calcula y

el segundo el perodo base.
2 p bqa 2 pa qb
^ 1
2 pa qa 2 pbqb
IPPb.a IPPa,b
2 pbqb 2 pa qa
^ 1
2 pa qb 2 pbqa
La frmula de Fischer s cumple la prueba
IPFb, a X IPFa,b = 1
/2pqa 2 pb qb\4
\w / 2 pa qb 2 ppaa qa \
V*
V 2 pa qa 2 pa qb / \ 2 pb qb 2 pb qa /
3] Prueba circular
Si el precio de un producto es de 10 en el primer perodo, de
12 en el segundo y de 18 en el tercero, se comprueba que en
el segundo perodo el precio es 120% del precio en el primero
100 NM EROS NDICE
y en el tercer perodo 150% del precio en el segundo. En con

secuencia el precio del tercer perodo es 180% del registrado
en el primero:
(120%) (150%) = 180%
La prueba circular no la cumple ninguna de las frmulas ana

lizadas. Suponiendo tres perodos para IP L se tiene:
IPL3i 2 IPL2i i IPL3,1
donde el primer subndice indica el perodo que se calcula y

el segundo el perodo base.
2 p3 q3 2 psqi 2 p3 q1
2 p=q2 2 p2 qi 2 px q2
Esta relacin slo se cumplira en el caso que
qi = q2 = q3 (para todos los artculos).
Sin embargo, la relacin planteada se cumple en forma apro

ximada cuando no existen diferencias significativas en las can
tidades durante los distintos perodos.
El lector podr comprobar que ni la frmula de Paasche ni
la de Fischer cumplen la prueba circular, pudiendo seguir el
mismo proceso de comprobacin realizado para la frmula de
Laspeyres.
Respecto de estas pruebas, es conveniente aclarar que la exis
tencia de ndices que no las cumplan no justifica dejarlos de
lado; interesa ms el significado concreto del ndice, teniendo
en cuenta sus alcances y limitaciones. Es as como la frmula
ideal de Fischer, que satisface las pruebas por l planteadas, no
es susceptible de ser claramente interpretada, ya que se trata
de la combinacin de dos ndices que, si por separado adquieren
cabal significado, al combinarlos ofrecen dificultades para su in
terpretacin.
E. BASE DE UN NMERO NDICE
Al definir un nmero ndice se ha destacado que se trata de una

comparacin de dos momentos en el tiempo o dos puntos en el
BASE 101
espacio. El momento o punto con respecto al cual se establece
la comparacin recibe el nombre de base de un ndice y se le
asigna el valor 100, para analizar las variaciones porcentuales.
Respecto de la eleccin del perodo base hay que tener siempre
presente el objetivo que se persigue con el ndice; en general
se estima que el perodo base debe ser un perodo normal. Cabe
preguntarse qu se entiende por normalidad en estos casos, cuan
do en los pases en desarrollo los cambios son muy frecuentes
y la anormalidad es un denominador comn. T a l vez al definir
el perodo base fuese ms sensato pensar en un perodo du
rante el cual no existan accidentes o cambios violentos. Por lo
dems, ser necesario cambiar la base del ndice cuando los
supuestos planteados pierdan validez a medida que pasa el tiem
po; es el caso de los ndices de costo de vida, cuya base debe
modificarse toda vez que la estructura de consumo presente cam
bios significativos con respecto de la admitida en el perodo base.
Sobre este mismo asunto, ser necesario distinguir dos tipos
de base: base fija y base variable. Los ndices de base fija son
aquellos que mantienen cmo base un perodo fijo de referencia,
en tnto que los ndices de base variable son aquellos que tienen
como base el perodo inmediatamente anterior. Con un ndice
de base fija puede calcularse el correspondiente de base variable
y viceversa; los resultados, en general, diferirn de los que se ob
tendran a partir de los datos originales, ya que las frmulas
usuales no cumplen con la prueba circular.
'Ejemplo: Supngase que el ndice de Laspeyres para los precios
de los materiales de construccin sea el siguiente:
ndice
base 1960 = ion
1960 100
1961 110
1962 120
1963 144
1964 180
1965 190
El correspondiente ndice de base variable seria:

102 NM EROS NDICE
n d ic e de base variable
1960
1961 110.0
1962 109.1
1963 120.0
1964 125.0
1965 105.5
Otra operacin que es muy usual respecto de los ndices de

base fija es la del empalme; se trata, como indica su nombre,
de empalmar ndices con base distinta. Obsrvese el siguiente
ejemplo, donde se tiene un ndice para el perodo 1956-1959 con
base 1956, y otro ndice de 1959 a 1962 con base 1959, y se pre
tende tener una serie para todo el perodo 1956-1962.
n d ic e n d ic e
A os base 1956 = 100 base 1959 100
1956 100
1957 120
1958 150
1959 180 100
1960 110
1961 132
1962 150
Mediante una sencilla regla de tres, puede completarse cuales-

quiera de las dos series , para tener el movimiento del ndice
durante todo el perodo.
n d ice n d ice
Aos base 1956 = 100 base 1959 = 100
1956 100.0 55.6

1957 120.0 66.7
1958 150.0 83.3
1959 180.0 100.0
1960 198.0 110.0
1961 237.6 132.0
1962 270.0 150.0
UTILIZACIN 103
Debe advertirse que este tipo de empalmes significa slo una

aproximacin que puede ser muy defectuosa, dependiendo de la
similitud de las bases y de sus supuestos. En todo caso, es posible
recurrir a estos empalmes siempre que se tenga conciencia de sus
limitaciones.
F. U TILIZA CI N DE LO S N M ERO S N DICE
Un nmero ndice indica la evolucin de precios, cantidades y

valores, para un conjunto de productos. Prestan en consecuencia
la utilidad inmediata de reflejar la tendencia de los cambios y
ritmos de los conceptos sealados. Ese solo hecho ya justifica su
cmputo y su peridica utilizacin en la investigacin socioeco
nmica. Sin embargo prestan adems otros servicios sobre los
que es conveniente hacer algunos comentarios.
1] La deflactacin*
Las alteraciones en los sistemas y niveles de precios que se pre
sentan dentro de la actividad econmica originan dificultades
en la comparacin de valores monetarios que corresponden a
perodos distanciados. No es mucho lo que se puede deducir
de la comparacin de valores nominales, es decir, de valores
expresados en unidades monetarias de distinto poder adquisi
tivo. Para poder llegar a conclusiones vlidas acerca del com
portamiento de una variable que represente valor, ser nece
sario expresar los montos monetarios nominales en unidades
homogneas; esta transformacin recibe el nombre de deflacta
cin, y con ella se pretende eliminar, exclusivamente, el efecto
de alteraciones en los precios.
El proceso de deflactacin exige disponer de un ndice de-
flactor, es decir, de un indicador que proporcione una pauta
de las alteraciones en los precios que tengan relacin con la va
riable que se pretende delactar. Es de fundamental importancia
recordar que no existe un ndice deflactor nico; cada variable,
en rigor, debera tener un deflactor adecuado. La disponibili
dad de slo un reducido nmero de ndices de precios, hace que
stos sean utilizados indiscriminadamente para una serie de pro
* Se em p le a r el n eo lo g ism o d e fla c ta c i n p a ra in d ic a r la m eto d o lo g a

d c tra n sfo rm a c i n d e v a lo res ex p resa d o s en p recio s co rrie n te s a v alores en
p recio s c o n sta n tes; el p ro p sito es lim ita r el e m p le o d e d e fla c i n para c a
ra c te riz a r con esta ltim a e x p re si n e l fe n m en o eco n m ico o p u esto a la
in fla ci n .
104 N M ERO S NDICE
psitos; aunque este hecho puede adolecer de errores conceptua

les, muchas veces se justifica el procedimiento, porque interesa
conocer un orden de magnitud antes que un valor exacto, siem
pre que se tenga conciencia de las limitaciones del mtodo. En
todo caso, aun dentro de las escasas disponibilidades de ndices
de precios, es posible llegar a soluciones aceptables, ya sea eli
giendo racionalmente un ndice de precios como deflactor o com
binando y ponderando en forma adecuada dos o ms ndices;
este ltimo procedimiento, si bien puede no conducir a solu
ciones ideales, por lo menos puede representar una disminucin
de las posibles distorsiones.
Antes de profundizar est problema de la deflactacin, cuando se
desea transformar unidades monetarias heterogneas (unidades de
cada perodo) en unidades monetarias homogneas (unidades
del perodo base), y permitir de este modo la comparacin en el
tiempo, el primer recurso al cual se apela, es expresar los mon
tos monetarios nominales en unidades de moneda extranjera de
valor ms o menos estable: dlares, libras, etc. Mas sobre este
procedimiento caben algunas objeciones. Los gobiernos tienen
instrumentos que les permiten fijar los tipos de cambio con las
monedas extranjeras en forma arbitraria (arbitraria para los fi
nes que aqu se comentan) y que en general no representan las
alteraciones en los niveles de precios. En Chile hay una expe
riencia reciente; en el transcurso de menos de dos aos, la unidad
monetaria chilena lleg a sufrir una fuerte devaluacin (de E 1 053
en novienjbre de 1962 a E 3 400 en abril de 1963, por dlar
norteamericano tipo de cambio corredor). Si un valor dado en
escudos se expresase en dlares en ambas fechas, podra con
cluirse que entre los dos perodos mencionados dicho valor se
redujo a la tercera parte; si bien esto puede ser cierto para una
persona que va a gastar sus ingresos en Estados Unidos, no lo es
para quien efecta sus desembolsos en Chile, porque durante ese
perodo ningn ndice de precios propiamente tal ha sufrido un
aumento de 200 por ciento.
Por otra parte, una segunda objecin a este procedimiento con
siste en el hecho de que aun las economas ms estables pueden
sufrir cierto grado de inflacin. Los dos argumentos expuestos
descalifican, en general, la conversin a unidades monetarias ex
tranjeras como una alternativa de la deflactacin. La mecnica
de la deflactacin implica dividir los montos monetarios nomi
nales por el ndice de precios elegido como deflactor adecuado;
y su explicacin podr encontrarse en la siguiente regla de tres.
Si en el ao n se tiene un valor nominal VNn y un ndice de
u t il iz a c i n 105
precios IP, cul sera este valor expresado en unidades mone

tarias de igual poder adquisitivo que las del ao base? En otros
trminos, cul sera este valor si el ndice de precios no hubiera
variado?
El planteamiento queda as reducido:
IPn . VNn
100 . . . x
VN
x =r - 100 = Valor real
IP n
Desde otro punto de vista, se justifica la deflactacin pensan

do en los componentes de un valor: precio por cantidad
ndice de precios X cantidad = Valor (100)
Valor (100)
Cantidad = ------------------------= Valor real
ndice ele precios
Ahora bien, la evolucin de las cantidades en el tiempo est

libre, por as decirlo, de influencias monetarias directas, y muestra
la evolucin fsica, real, de una serie, que es precisamente lo que
de pretende con la deflactacin.
Los valores reales as obtenidos, estn expresados en unidades
monetarias que tienen un poder adquisitivo correspondiente al
ao base del ndice deflactor.
Con referencia a este ltimo planteamiento, es necesario dis
tinguir dos tipos de base. Se llamar base propiamente tal al
perodo que corresponde al diseo del ndice, donde se perfila
la muestra, se establecen las ponderaciones, etc. Por otra parte,
se utilizar la expresin base aritmtica para referirse a cual
quier perodo, que por transformacin lineal se le haya asignado
el valor 100. Los cambios aritmticos de base implican hasta
cierto punto una arbitrariedad que puede originar algn tipo
de perturbaciones al establecer las comparaciones. Sus efectos se
rn tanto mayores, cuanto ms distante sea la base propiamente
tal del ndice deflactor. Cuando hay consenso de que los supues
tos de la construccin y diseo del ndice siguen siendo vlidos,
los cambios aritmticos de base no introducirn deformaciones
significativas; por ello, antes de deflactar ser necesario decidir
106 NM EROS NDICE
de qu ao sern las unidades monetarias en que interesa ex

presar los valores reales. Es recomendable, si se cumple la con
dicin de constancia de los supuestos de la construccin del
ndice, expresar los valores nominales en unidades monetarias
del ao ms reciente, lo que se consigue mediante un ndice
deflactor que tenga como base el ltimo ao en el sentido cro
nolgico. La utilidad de la sugerencia anotada, radica en el he
cho que el investigador tiene una visin reciente y tal vez objetiva
del sistema de precios imperante, por lo que es probable que
la obtencin de conclusiones quede facilitada. Es necesario desta
car que un proceso de deflactacin conduce a valores reales que
pueden tener dos interpretaciones: una expresin fsica o un
poder de compra. Una variable monetaria est compuesta por
una suma de valores del tipo 2p q; si esta serie se deflacta
por un ndice de precios de los productos considerados en la
serie nominal, el residtado ser una expresin fsica de la serie.
En efecto, utilizando un ndice deflactor de Paasche, se tiene:
Valor nominal 2 p n
-------------------- = -------- = 2 p0 qn
IPP 2 pnqn
2 poqn
El resultado es evidentemente un quantum, es decir, cantida
des del perodo n, valorizadas a precios del perodo base. Si se
hubiera deflactado por un ndice de precios de Laspeyres, se
tendra:
Valor nominal 2 p q
------- = = IQP 2pq
IP L 2 Po qo
2 p q
Resultado que equivale a proyectar un valor en el perodo

base, a travs de un ndice de cantidades de Paasche. Tambin
representa una evolucin fsica de la serie, aunque con conno
taciones diferentes al caso anterior. Cabe hacer notar que cuan
do se desea llegar a una expresin fsica rigurosa, slo existe
un tipo de deflactor adecuado: el que contienen los productos
incluidos en la serie nominal.
Por otra parte, cuando se quiere obtener un poder de com
pra, es necesario especificar qu uso se dar a un monto mone
tario; de esta manera, si el sueldo de un empleado en diferentes
UTILIZACIN 107
perodos se deflacta por un ndice de precios al consumidor, el
resultado sera un poder de compra en trminos de la canasta
de productos elegida en el ndice deflactor. Si el sueldo de dicho
empleado se deflacta por ndice de valores burstiles, el resul
tado ser un poder de compra en trminos de acciones y bonos.
El uso que se dar a un monto monetario es el que determina el
tipo de poder de compra resultante.
Resumiendo esquemticamente se tiene:
Quntum
P oder de com pra
/a continuacin y a ttulo de ejemplo se presentan los resulta

dos de un proceso de deflactacin:
Su eld o d e un In d ic e de precios
em plea do al consum idor Sueldo real
Aos (u . m . de c /a o ) { base 1963 = 100) (u . m . de 1963)
A
A B _ 100
B
1958 400 36.5 1 096

1959 480 50.6 948
I960 600 56.5 1 062
1961 680 60.9 1 117
1962 720 69.3 1 039
1963 900 100.0 90
La deflactacin presentada implica haber elegido como de

flactor el ndice de precios al consumidor. T a l vez de los valo
res reales no pueda deducirse, en forma categrica, que el em
pleado haya sufrido urta merma de esa magnitud en su poder
de compra; lo que hubiera ocurrido si dicho empleado gastara
todo su ingreso en la forma que lo hace el empleado tpico ele
gido como padrn en el ndice de precios al consumidor. Si
dicho empleado slo gasta en manutencin el 60 por ciento de
sus ingresos y el 40 por ciento restante lo dedica, por ejemplo,
a la construccin de una vivienda, la deflactacin se realizara
108 N M EROS NDICE
en dos partes: la primera parte (60%) se deflactara por el

ndice de precios al consumidor y el saldo debera deflactarse
por un ndice de precios de insumos de la construccin; de esta
manera se obtendra la expresin real de su poder de compra,
en trminos del uso que dar a sus ingresos.
Cuando se ha realizado una deflactacin, es necesario tener pre
sente que los valores reales as obtenidos son simplemente apro
ximaciones, que sern tanto mejores cuanto ms representativo
sea el ndice de los precios que se cancelarn con el monto mo
netario. Esto no quiere decir que sea indispensable construir
ndices si no se dispone de los ms adecuados; slo se pretende
destacar la necesidad de seleccionar los ndices disponibles, y
en todo caso, tener presente las limitaciones que acuse una de
flactacin obligada por un ndice que no sea el mejor. Es res
ponsabilidad de los organismos autorizados y de los principales
usuarios la elaboracin de ndices de precios de la actividad eco
nmica.
La deflactacin, mecnicamente es un asunto trivial, pero la
eleccin de deflactores adecuados requiere mucha atencin.\Vase,
por ejemplo, qu sucede con los ndices de produccin y ventas
industriales de Chile.* Observando las cifras siguientes debe ad
mitirse que no existe la concordancia que debera existir, tam
poco se encuentran razones que expliquen la diferencia; aunque
es muy probable que el desajuste radique en la calidad del
deflactor utilizado, antes que en las variaciones de existencias.
n d ic e de pro d u cci n n d ice de ventas

industrial industriales reales
Periodo liase 1959 = 100 liase 1959 100
1959 100.0 100.0

I960 103.5 98.3
1961 106.1 110.6
1962 113.8 127.7
196.3
E n ero 108.4 120.9

A b ril 122.2 129.8
A g osto 112.8 132.1
* Csar Molestina, Los ndices de produccin industrial manufacturera

y ventas reales industriales. Un comentario acerca de su comportamiento,
mayo de 1963.
UTILIZACIN 109
De la simple observacin de estas series surgen las contradic

ciones anotadas. Si se admite que el ndice de produccin in
dustrial es un indicador confiable, el ndice de ventas sera el
que adolece de defectos. Estos defectos pueden deberse a dos
causas no excluyentes: que el ndice de ventas nominales no sea
lo suficientemente acertado, por errores inherentes o ajenos al
muestreo, o que el deflactor utilizado no tiene la relacin apro
piada con los precios de los bienes industriales, o una combina
cin de ambas causas.
2] E l deflactor im plcito del producto bruto

No es necesario citar la imperiosa necesidad que hay de dispo
ner de un sistema de contabilidad social expresada en precios
constantes; en este sentido se tratar principalmente la .deflac
tacin del producto bruto.
Es importante aclarar la idea de deflactor implcito. ste apa
rece como resultado de un proceso de deflactacin cuando se
trata de cumplir con alguna restriccin; se presenta principal
mente cuando una variable global ha sido desglosada en com
ponentes, con el objeto de identificar un ndice deflactor ade
cuado con cada componente. En estos casos la restriccin aparece
como suma de componentes que reproducen la variable global;
es necesario agregar que el deflactor implcito se origina en el
hecho que la restriccin (muchas veces definicin) debe ser sa
tisfecha tanto en valores nominales o corrientes como en valores
reales o constantes; entonces se dice que el proceso de deflacta
cin es coherente. El deflactor resultante de una deflactacin
coherente se denomina implcito, porque justamente est implcito
en el cumplimiento de la restriccin.
Supngase que X , Y y Z representan valores sujetos a la res
triccin:
X + Y + Z == W
restriccin que se satisface en valores corrientes. Si adems se de

sea que esta restriccin sea satisfecha en valores constantes, se tiene:
X + + Z = W
donde la barra sobre el smbolo se utiliza para indicar que se

trata de valores reales, es decir, que
110 NM EROS NDICE
X
X =
IP X
Y
Y =
IPY
Z
Z =
IPZ
La suma de X -)- -f- Z reproduce el valor real de W, es

decir, W. Cul deber ser el deflactor de W para que el valor
real resultante W coincida con la suma de X -j- Z? En
efecto, se tiene que
IP X IPY IPZ IPW
Basta con despejar IPW de la anterior relacin:
W
IPW =
1 1 1
IP X IPY IPZ
Se comprueba que el deflactor implcito IPW es el promedio

armnico de los deflactores componentes, donde los factores de
ponderacin son justamente los valores nominales; otra forma de
calcular el deflactor implcito es comparar W que se obtiene
como suma de X -(- Y -)- Z con W.
W
IPW = ----
W
Para determinar el deflactor implcito del producto bruto,

habr que pensar previamente en alguna definicin. Si la res
triccin es del siguiente tipo:
se determinarn los deflactores para consumo, inversin, expor

UTILIZACIN 111
taciones e importaciones y se obtendr como suma el producto
real (P).
C I E M
P = ---------- 1_ ---------1------------------------
IPC IPX IPE IPM
El deflactor implcito del producto (DI), segn esta restric

cin, estar dado por la relacin
P
DI = ----
P
Puede verificarse al mismo tiempo que el deflactor implcito

es equivalente a la media armnica de los deflactores compo
nentes.
1 1 1 1
--------- C -I-------------- .1-1-------------E ---------------M
IPC IP I IPE IPM
Si la restriccin fuera de otro tipo, por ejemplo que la suma

de los valores agregados sectoriales reproducen el producto bruto,
se tendr otro deflactor implcito sujeto a la restriccin pro
puesta. Habra que discutir previamente la posibilidad de encon
trar deflactores adecuados para el valor agregado; una alterna
tiva, por cierto muy discutible, es cleflactar el valor agregado de
cada sector, por los precios de los bienes que el sector produce.
El resultado sera un poder de compra de los valores agregados
sectoriales, en trminos de los bienes que produce cada sector.
Puede argumentarse en favor de este mtodo, sosteniendo que
la contrapartida fsica del valor agregado es justamente la can
tidad de bienes producidos, sin embargo, la justificacin es en
extremo dbil. En todo caso, en los cursos de Contabilidad So
cial se muestran las ventajas y desventajas de este y otros mtodos
de tleflactacin. Para ilustrar, en seguida se detalla este proce
dimiento. Si se desea llegar a expresiones reales, cada rama de
actividad debera deflactarse por un ndice de precios relacio
nado directamente con dichas ramas de actividad. As el valor
agregado por el sector industrial, debera deflactarse por un n
dice de precios de bienes industriales; el valor agregado por el
sector agropecuario, se deflactara por un ndice de precios de
112 NM EROS NDICE
bienes agropecuarios. Dc esta manera se obtendran valores reales

en cada rama que representara una aproximacin a la evolucin
fsica de lo producido por cada sector. Sumando los valores reales
de todas las ramas de actividad, se tendra el producto bruto
en trminos reales; y comparando los productos brutos en valores
nominales y reales se obtiene el llamado deflactor implcito del
producto, que no es otra cosa que un ndice general promedio
de los precios que rigen en la actividad econmica.
Sean:
PNU el producto nominal del sector i en el ao j .
IP,, el ndice de precios del sector i en el ao j .
P R j el producto real del sector i en el ao j .
De la deflactacin resulta
PNjj
P R ,, = - 100
1P I J
Si se suman todos los productos reales por sector en un ao

cualquiera j , se tiene el producto bruto real en el ao j .
c L PN..
PR. = 2 P R ,j = 2 ----- 100
-* i=1 IP,,
donde i = 1, 2, . . . L representa el nmero de sectores con

siderados. Por otra parte, el producto bruto real PR, se obtiene
deflactando el producto bruto nominal PN,, por el deflactor
implcito DIj, conceptos todos referidos a un perodo j, es decir:
PN,
PR. = ------- 100
DI,
Remplazando en la igualdad anterior, se tiene
PN, L PN,.
J 100 = 2 100
D I, 11 IP
D espejando D I,
UTILIZACIN 113
2 IL
1=1 IP .j
que justamente corresponde con la definicin de media arm

nica de los deflactores sectoriales, considerando como ponderacio
nes los productos nominales de cada sector, ya que
i,
PN. = S PNj.
il
'i A continuacin se presentar un ejemplo para ilustrar el pro

ceso de deflactacin de los productos sectoriales.
Supngase que la actividad econmica ha sido dividida en
cuatro sectores para los cuales se dispone de las siguientes infor
maciones:
Producto nom inal

(unidades m onetarias corrientes)
Sectores I960 1961 1962
M in era 200 300 400

A gricu ltu ra 300 350 400
In du stria 200 250 300
Servicios 500 600 700
P r o d u c to b ru to n o m in a l 1 200 1 500 1 800
In dices de precios (base I9 6 0 = 100)
P ro d u cto s m in eros 100 130 150

P ro d u cto s agrcolas 100 110 120
P ro d u cto s in du striales 100 120 130
Servicios 100 110 120
Deflactando el producto de cada sector, por el ndice de pre

cios correspondiente, se tendr los productos reales de cada sector:
114 NM EROS NDICE
P roducto real
(un ida des m onetarias constantes de 1960)
Sectores 1960 1961 1962
A gricultura 200 230.8 266.7
M inera 300 318.2 333.3
Industria 200 208.3 230.8
Servicios 500 545.5 583.3
P rod u cto bruto real 1 200 1 302.8 1 414.1
P a r a c a lc u la r el d e fla c to r im p lc ito , re c u rd e s e q u e
PN ,
D I. = -------- 100
s PRj
1960 1961 1962
D eflactor im plcito 100 115.1 127.3
-^ J
Como se demostr, estos valores equivalen a los promedios ar
mnicos de los ndices deflactores.
Con respecto a la deflactacin del producto bruto es conve
niente advertir que puede prestarse a presentaciones caprichosas,
segn sea la base de los ndices deflactores. En otras palabras,
el producto bruto real mostrar distintas tasas de crecimiento
segn sea la base de los deflactores. Aparentemente esto no ten
dra por qu ocurrir, ya que un cambio aritmtico de la base
del ndice deflactor no debera afectar las variaciones reales en
el producto bruto. Mediante un ejemplo que pretende exage
rar la situacin antes que representar un hecho real, se ilustra
este planteamiento.
Para abreviar, supngase que la actividad econmica ha sido
dividida en dos sectores: primario y secundario. Los datos son
los siguientes:
UTILIZACIN 115
P r o d u c to b r u to n o m in a l
(u. m . c o r r ie n te s )
1956 1962
S ecto r p rim a rio 1000 1 600

S ecto r secu n d ario 1 000 1 800
n d ic e s d e fla c t o r e s ( b a se 1956 = 1 0 0 )
S ecto r p rim a rio 100 110

S e cto r secu n d ario 100 30 0
Si se calcula el producto bruto real, en precios constantes de

1956, se tiene:
P r o d u c t o b r u to n o m in a l
(u . m . c o n sta n tes)
1956 1962
S ecto r p rim a rio 1 000 1450

S ecto r se cu n d a rio I 000 60 0
2 00 0 2 050
Entre ambos aos el crecimiento es 2.5 por ciento, si se com

puta el producto en precios de 1956. Si aritmticamente se cam
bia la base de los deflactores y en consecuencia el producto se
computa a precios de 1962, se llega a una variacin porcentual
diametralmente opuesta.
Los nuevos ndices deflactores (con base en 1962) sern los
siguientes:
n d ic e s d e fla c t o r e s (b a s e 1962 = 100)
S e cto r p rim a rio 9 1 .0 100

S ecto r se cu n d a rio 3 3 .3 . 100
Deflactando los productos nominales, por los ndices anterio-

res se tiene:
P roducto bruto real

(u. m. constantes)
S ector p rim a rio 1 100 I 600

S ector secu n d a rio 3 000 1 800
4 100 3 400
Puede observarse un decrecimiento de 17 por ciento en el

mismo periodo. Ntese que para los sectores, considerados en
forrna aislada, no ocurre esta incompatibilidad, la que slo se
presenta cuando se comparan sumas de sectores con crecimientos
nominales distintos y cuyos respectivos deflactores tambin mues
tran variaciones desiguales. Los resultados sern tanto ms con
tradictorios, en uno y otro caso, cuanto ms distintos sean los
ndices deflactores y mayores sus variaciones. Lo que ocurre es
que se est sumando valores que no son rigurosamente homo
gneos, dados los cambios aritmticos de la base de los ndices.
Los resultados a que se ha llegado no deben sorprender si se
piensa en la limitacin de los mencionados cambios de base.
Por otra parte, la estructura del producto bruto nominal es dis
tinta en ambos perodos. En el primer caso los dos ndices de
flactores son iguales a 100 en 1956 cuando tanto el sector pri
mario como el secundario aportan un 50 por ciento del pro
ducto bruto cada uno. En el segundo caso los dos ndices de
flactores son iguales a 100 en 1962 y el sector primario apor
ta con un 47 por ciento al producto y con 53 por ciento al sector
secundario. Por esta razn no se presentan las inconsistencias
anotadas para los sectores considerados en forma aislada, y s,
en cambio, se presentan al comparar sumas deflactadas por n
dices distintos. La inconsistencia ser tanto mayor cuanto ms
distintas sean las variaciones de los deflactores.
3] La proyeccin sobre la base de indices de cantidad

Un procedimiento corrientemente utilizado para proyectar el
producto bruto real por sectores, es el basado sobre ndices de
cantidad. Consiste en - hacer variar el producto de un perodo
dado conforme al ndice de produccin correspondiente. De esta
manera, si se sabe que para 1962 el producto generado por la
industria fue de 5 000 unidades monetarias de ese ao y se dis
pone del ndice de produccin industrial para los aos 1962 a
NDICES DE CO M ERCIO E X T E R IO R 117
1965, se puede suponer que habr correspondencia entre las va

riaciones de dicho producto sectorial y del ndice de cantidad.
n d ic e E stim a ci n
P r o d u c to d e p rod u c d el p ro d u cto
in d u stria l c i n in d u stria l in d u stria l
A os ( p r e c io s d e 1962) (b a s e 1962 100) ( p r e c io s d e 1962)
1962 5 000 100 5 000

1963 198 5 400
1964 120 6 000
1965 135 6 750
Este tipo de estimaciones, para breves perodos parece jus

tificado, pero no hay que perder de vista que el ndice de pro
duccin muestra ms bien las variaciones de la produccin glo
bal antes que las del producto (valor agregado); la metodo
loga de estimacin presentada tiene como supuesto la constancia
en los coeficientes de insumo producto, constancia que puede no
ser real en una poca caracterizada por tanto cambio tecnolgico.
G. NDICF.S DF. C O M E R C IO E X T E R IO R
Para abordar el intercambio de bienes y servicios con el resto del

mundo, es indispensable cuantificar indicadores acerca de pre
cios, cantidades, valores, etc., relacionados con exportaciones e
importaciones; el tipo de problemas que en estos casos debe en
frentarse, son los inherentes a los nmeros ndice, ms algunas
precauciones que deben tomarse por circunstancias que ataen
al comercio exterior.
1] ndices d e precios
En general es necesario homogeneizar los datos bsicos, ya que
no siempre estn sujetos a criterios uniformes de valuacin: pre
cios CIF, FOB, precios expresados en monedas diferentes, valores
nominales de retorno u otro tipo de valorizacin, en qu mo
mento se considera que la importacin o exportacin est con
sumada: en trnsito, en aduana, etc.
Para el clculo de ndices de precios, puede utilizarse frmu
las de Laspeyres y Paasche. Sin embargo, en caso de utilizar la
frmula de Laspeyres, si algn producto deja de negociarse, im
11 8 NMEROS NDICE
plica suponer que su precio baj a cero, lo que constituye un

evidente falseamiento. Habr que tener la precaucin de tomar
en cuenta para el clculo de los productos slo los negociados
tanto durante el perodo base como durante el perodo dado.
Por otra parte, no es necesario adoptar esta precaucin, si se apli
ca la frmula de Paasche, ya que en sta se elimina automtica
mente el producto que deja de negociarse y no quedar com
prendido en ninguno de los factores pn q ni pn q. Por eso,
para determinar ndices de precios se suele utilizar frmulas de
Paasche. En estadsticas de comercio exterior, se acostumbra desig
nar a estos ndices como ndices de valor unitario, por el tipo
de informaciones que se tiene. No es el precio y la cantidad de
un artculo, sino el precio promedio o valor unitario que co
rrespondera a un artculo proveniente de una partida de ar
tculos no totalmente homogneos. De este modo, si la impor
tacin de 100 automviles de distintas marcas representa un va
lor CIF de 400 000 unidades monetarias, el precio promedio por
automvil es de 4 000 u. m. En este sentido es que se prefiere
designar a estos ndices como ndices de valor unitario en vez
de precios, aunque metodolgicamente no hay diferencias.
2] ndices de cantidad
Nuevamente cabe hacer aqu referencia a la denominacin espe
cial de ndices de quantum que se les da en comercio exterior
por razones similares a las anotadas en el punto anterior.
En este caso, si un producto deja de importarse o exportarse
quiere decir que la cantidad negociada baj a cero, lo que queda
ahora bien reflejado en la frmula de Laspeyres. Por esa razn
se acostumbra utilizarla en el clculo de ndices de quantum de
comercio exterior. Adems, utilizar frmulas de Laspeyrss o Paa
sche para quantum y valor unitario, respectivamente, garantiza
el cumplimiento de la prueba de reversin de factores planteada
por Fischer. Por ello, basta conocer el valor total de exporta
ciones o importaciones y tino cualquiera de los dos ndices men
cionados, para deducir inmediatamente el otro. Recurdese que
IPP X IQ L = IV IPL X IQP = IV
El trabajo que requiere el clculo de estos ndices induce a

la utilizacin de muestras, en vez de indagaciones totales.
En el caso de ndices de precios se supone que los precios de
los artculos incluidos en la muestra representan los precios de los
ALGUNOS INDICADORES ECONOMICOS 119
no incluidos. Naturalmente, ser necesario calcular los errores

de muestreo correspondientes para hacer un uso racional del in
dicador. Por lo que a los ndices de quntum se refiere, el hecho
de que en todos los perodos se disponga del valor total de las
importaciones, permite cuantificar la representatividad que tenga
la muestra utilizada en cada perodo mediante el cociente.
2 pn q n (para la muestra)
----------------------------------- - = Representatividad
2 p q (para el total)
Posteriormente, si se desea calcular un ndice de quntum de

Laspeyres, se cuantifica 2 qn p0 en la muestra, y para proyectar
al total, se divide por la representatividad (que implica la apli
cacin de una regla de tres simple). De esa manera se tiene la
estimacin del numerador de la frmula para el total pobla-
cional; en cuanto al denominador no hay problema alguno, ya
que para cada perodo se dispone del total de importaciones y
exportaciones. Si se desea calcular un ndice de quntum de
Paasche, ser necesario ajustar al 100 por ciento la expresin
del denominador de la frmula, calculada con datos mustrales.
II. ALGUNOS INDICADORES ECONM ICOS

Se presentarn algunos indicadores de uso muy frecuente en la
literatura econmica. Si bien es cierto que la mayora de ellos
deberan ser analizados con mucho ms profundidad desde el n
gulo de la contabilidad social, es conveniente examinarlos desde
el punto ele vista estadstico.
1] n d ice de la relacin de trminos del intercam bio

Se define como el cociente entre el ndice de precios de ex
portaciones y el ndice de precios de importaciones, referidos ambos
a la misma base. En consecuencia, este estadgrafo indica la evo
lucin en el tiempo de la relacin de precios registrada durante
el perodo base; en otros trminos, representa variaciones en la
capacidad de compra de un volumen de exportaciones. Responde
a la siguiente interrogante; en qu proporcin ha aumentado o
disminuido el nmero de unidades que deben exportarse para
financiar la importacin del mismo volumen de productos que
se introduca al pas durante el ao base? Se trata de un con
cepto estrictamente relativo; no se puede concluir que la relacin
120 NM EROS NDICE
de intercambio sea buena o mala, sino mejor o peor que la del

ao base. El ndice de la relacin de precios del intercambio
queda entonces definido como:
Indice de precios de exportaciones IP X

ndice de precios de importaciones IPM
2] Producto e ingreso bruto

Cuando estos conceptos se consideran en valores constantes, am
bas magnitudes no coinciden. El producto real es una medida del
valor de los bienes y servicios debidos al esfuerzo productivo in
terno. El ingreso real est relacionado, adems, con el inter
cambio con el exterior, puesto que parte de la produccin de un
pas se exporta y parte de los insumos y bienes finales deben
adquirirse en el exterior; por consiguiente estas transacciones
con el exteripr afectan, por la relacin de precios del intercambio,
la disponibilidad de bienes y servicios que satisfacen la demanda
de la poblacin. A medida que se deteriora la relacin de inter
cambio, hay una transferencia al exterior de una parte del es
fuerzo productivo interno. En valores constantes, la diferencia
entre ambos conceptos, recibe el nombre de efecto de la relacin
de precios del intercambio, luego:
Ingreso bruto = Producto bruto Efecto de la relacin

de precios del intercambio
En smbolos:
IB = PB EFI
donde
Efecto de la relacin de precios del intercambio = Poder
de compra de exportaciones Quantum de exportaciones
Es decir
EFI = PEX - QX
Adems
Poder de compra de exportaciones = Quntum de ex
portaciones X ndice de la relacin de intercambio
ALGUNOS INDICADORES ECONMICOS 121
Dado que el producto del quntum de exportaciones y el

ndice de precios de exportaciones es equivalente al valor co
rriente de las exportaciones, el poder de compra tambin puede
definirse como
Valor corriente de las exportaciones
PEX = ------------------------------ -------- --
ndice de precios de las importaciones
en otros trminos, el valor nominal o corriente de las exporta

ciones queda deflactado por el ndice de precios de las importa
ciones. Por otra parte el quntum de las exportaciones es el valor
de las exportaciones a precios constantes.
QX = S q pn
donde la sumatoria se extiende a todos los rubros de exporta

cin, es decir
Valor corriente de las exportaciones
QX = ------------- ------------ E--------------
ndice de precios de las exportaciones
remplazando las expresiones correspondientes en la frmula de

EFI se tiene
EFI = QX (1R1) QX = QX [IR I - 1.00]
A continuacin se cuantificarn estos conceptos mediante un

ejemplo, para destacar su importancia. Supngase que se tienen
las siguientes informaciones:
1960 1962 1964

a) P r o d u c to b ru to (u. m . corrien tes) 1 000 1 200 1 500
b ) D e fla c to r im p lc it o (base 1960 = = 100) 100 115 140
c) n d ic e d e p re cio s d e e x p o rta cio n e s 100 110 110
d ) In d ic e d e p re cio s d e im p o rta cio n e s 100 120 130
c) V a lo r co rrie n te d e las e x p o rta cio n e s 200 2 0 280
Para ca lcu la r el E F I, se tien e
f) P B rea l (u. m . d e 1960) ( a /b ) 1 000 1 043 1 071

g) I R I (base 1960 = 100) ( c /d ) 100 92 85
h ) Q X (u. m . d e 1960) ( e /c ) 200 218 255
i) Q X I R I = PEX (h.g) 200 201 217
j) E F I (i-h) -1 7 -3 8
k) Y B rea l (f-j) 1 000 1026 1 033
122 NM EROS NDICE
3] C a p a c id a d p a r a im p o r ta r
Cuando se piensa en trminos de valores corrientes, la capacidad

para importar no es otra cosa que el valor total de las exporta
ciones, ms el ingreso neto cie capitales extranjeros.
La capacidad para importar a precios constantes estar dada
por
Existencia de oro y divisas EOD

-(- Quntum de exportaciones QX
-)- Radicacin de capitales extranjeros RC
Efecto de la relacin de precios del intercambio EFI
Capacidad total de pagos sobre el exterior
Remesas de utilidades e intereses
Salida de capitales extranjeros
Capacidad para importar CPI
La capacidad para importar a precios constantes, tambin pue

dedeterminarse deflactando la capacidad para importar a pre
cios corrientes por el ndice de precios de importaciones. La ca
pacidad para importar a precios constantes es:
CPI = QX QX [IR I LOO] RC (neta a precios constantes)
RC (neta precios corrientes)

CPI = Q X [IR I] +
IPM
IP X RC
CPI = QX -------- +
IP M IPM
Valor corriente de las exportaciones -}- EOD -|-

RC (neta a precios corrientes)
CPI =
Indice de precios de importaciones
Capacidad para importar a precios corrientes

CPI
ndice de precios de importaciones
4] T ip o de cam bio de paridad

Como una aplicacin de nmeros ndice, es conveniente tratar
la forma de convertir monedas de distintos pases a unidades
homogneas con propsitos de comparacin. Utilizar para ello
ALGUNOS INDICADORES ECONOMICOS 123
los tipos de cambio oficiales puede originar distorsiones serias,

en la medida que exista ms de un tipo de cambio (discrimina
cin de reas cambiarias), o que el tipo de cambio nico est
sobre o subvaluado.
Una alternativa terica consistira en la determinacin de una
canasta de productos, resultando el tipo de cambio entre dos
monedas la relacin de valores que sera necesario gastar para
adquirir dicha canasta. Este mtodo tiene inconveniente de tipo
prctico; la determinacin de los artculos que conformaran la
canasta significa un serio problema, sobre todo si se piensa en
la enorme variacin de las preferencias de los consumidores en los
distintos pases. Sin embargo, con algunas restricciones, este m
todo es utilizado en la prctica.
Un mtodo que puede ser utilizado con alguna ventaja es la
proyeccin de un tipo de cambio base, en un perodo en el que
no se haya advertido sobre o subvaluaciones monetarias, sin cam
bios mltiples y, en general, sin accidentes que descalifiquen a
ese perodo base.
La aludida proyeccin se efecta sobre la base de las modifi
caciones en la relacin de precios de los dos pases cuyo tipo
de cambio se pretende determinar.
Sean los pases A y B; se desea estimar el nmero de unida
des monetarias de A, por unidad monetaria de B. El tipo de
cambio de paridad en un ao cualquiera n, estar dado por
Tipo de cambio de Tipo de cambio Deflactor implcito de A

paridad ao ao base Deflactor implcito de B
Ejemplo: Supngase que el tipo de cambio base en el ao 0,

fue de 5 u. m. de A por 1 u. m. de B, siendo los deflactores im
plcitos los siguientes:
Ao D . I. pats A D. I. pais B
0 100 100
1 120 110
2 150 120
3 200 140
4 300 150
El tipo de cambio de paridad para los aos siguientes ser:

124 NMEROS NDICE
R e la c i n d e d e fla c t o r e s T i p o d e c a m b io
Ao d i a/ d i b d e p a r id a d
0 100.0 5.00
1 109.1 5.45
2 125.0 6.25
3 142.9 7.14
4 200.0 10.00
Evidentemente el mtodo da estimaciones que sern tanto ms

confiables en la medida que el tipo de cambio base haya sido
elegido adecuadamente y los deflactores implcitos sean represen
tativos de las variaciones de precios en ambos pases.
5] Transferencias im plcitas
El hecho que en la actividad econmica se presenten transac
ciones intersectoriales donde cada sector tiene precios distintos,
origina cierto tipo de transferencias de producto de un sector a
otro, implcitas en las transacciones que efectan cuando se con
tabilizan a precios corrientes.
Los sectores cuyos precios crecen menos que el promedio gene
ral de precios representado por el deflactor implcito, estn trans
firiendo parte de su producto hacia aquellos sectores que tienen
precios que crecen ms que el promedio de precios.
Evidentemente que la suma algebraica de las transferencias ser
nula, por cuanto la ganancia de unos sectores tiene como con
trapartida la prdida de otros.
Se definen las transferencias implcitas para cada sector, como
la diferencia entre la produccin valorizada a precios del sector,
y esa misma produccin valorizada a precios promedios repre
sentados, como se dijo, por el deflactor implcito:
Transferencias implcitas = Produccin a precios corrien

tes Produccin a precios constantes X Deflactor im
plcito
en smbolos
T Imp. = pn q - p0 q (DI)
donde n y 0 indican el perodo que se calcula y el perodo base

respectivamente.
ALGUNOS INDICADORES ECONMICOS 125
2 T Imp (li) = 2 pu q - 2 po q (DI) = 0
Donde L es el nmero de sectores considerados,

h = 1, 2, 3, . . . L
L
2^ T lmp (h) = Produccin nominal Produccin real X
Produccin nominal
X ---- ;------------ = 0
Produccin real
Ejemplo:
In d ic e de In d ic e de
P roduccin nom inal cantidad Produccin precios
Sectores ao 0 ao 1 base 0 100 real base 0 = 100
1 500 1080 120 600 180

2 600 800 110 660 121
3 300 350 100 300 117
4 400 420 90 360 117
2 650 1 920
El dellactor implcito para el ao 1 ser:
Produccin nominal ao 1 2 650

DI = -------------- : = = 138
Produccin real ao 1 1 920
Las transferencias implcitas por sector:
P roduccin Produccin
nom inal real (D I) T ransferencias
Sectores p1qx p 0 q t (D I) implcitas
1 1 080 828 4 -2 5 2
2 800 911 -1 1 1
3 350 414 -6 4
4 420 497 -7 7
2 650 2 650 0
12 6 NM EROS NDICE
I. ETAPAS DE LA CONSTRUCCIN DE NUMEROS NDICE
Es interesante e ilustrativo seguir cada uno de los pasos para la

confeccin cie indicadores acerca de precios o cantidades. Los pa
sos que se enumerarn estarn referidos al diseo de un ndice
de costo de vida por constituir ste un caso bastante general y
complejo.
1] O bjetivo del indice

Es fundamental calificar con toda precisin el objetivo del in
dicador. En el caso de un ndice de costo de vida, es necesario
determinar a quines estar referido: si a la poblacin en su
conjunto, a una ciudad, a profesionales, a obreros, a campesi
nos, etc. De esto depender qu tipo de artculos conformarn
la muestra de productos que componen el ndice. Es imprescin
dible no descuidar el objetivo bsico: los usos principales que
tendr el indicador.
2] Determ inacin de la estructura de consumo

Es conveniente, cuando se calcula un ndice de costo de vida,
clasificar los gastos: alimentacin, vestuario, vivienda, varios, etc.
De esta manera es posible calcular ndices, por separado, para
cada componente. Este desglose aparte que permite realizar
anlisis de las variaciones de precios en forma ms detallada, es
muy til en la seleccin de deflactores adecuados. Estos ndices
desglosados pueden combinarse para obtener el ndice general.
Las ponderaciones de cada componente se establecen mediante
una muestra. Se selecciona una muestra de unidades familiares
para el caso del costo de vida, obtenida de la poblacin para la
cual se confecciona el ndice, por ejemplo la poblacin de obre
ros y empleados de una ciudad. Esta muestra, en lo posible, debe
ser aleatoria y de un tamao que asegure fidelidad y garantice
confianza. En cada una de las unidades elegidas para la mues
tra, se lleva un registro de los gastos en bienes y servicios por
tipo de bien o servicio, donde se recopilan los precios pagados
y las cantidades consumidas. Vale la pena llevar este registro du
rante un tiempo prolongado, por lo general un ao, para que
permita captar las variaciones en los consumos durante las dife
rentes estaciones. De esta manera es posible llegar a obtener pon
deraciones por componentes y por tipos de bienes y servicios.
ETAPAS DE SU CONSTRUCCIN 127
3] Seleccin de artculos
En las anotaciones que se hacen en los registros o libretas de
consumo acerca de los distintos bienes que se consumen, en ge
neral aparece una gran cantidad de productos, aunque muchos
de ellos responden a consumos espordicos o accidentales. Es pre
ciso seleccionar los productos ms importantes, de consumo habi
tual y representativos denlas preferencias de los consumidores. Para
seleccionar estos productos y servicios no es conveniente un m
todo aleatorio, pues es preferible decidir qu productos sern con
siderados en el ndice, tomando en cuenta el volumen del gasto
efectuado en cada bien o servicio. En esta forma se llegar a esta
blecer una lista de 100 a 300 productos cuya importancia relativa
o ponderacin se tiene tabulada.
4] Form as de valuacin
Otra etapa importante durante el proceso que permite confec
cionar ndices tie precios, es la decisin acerca de los tipos de
precios que se considerar. Sabido es que los precios varan enor
memente segn el lugar donde se adquieren los productos; por
otra parte es corriente que para artculos considerados de prime
ra necesidad, hayan precios oficiales y precios reales con gran
des diferencias entre s. Para el caso de ndices de costo de vida
los precios debieran tomarse en los lugares donde el consumi
dor adquiere los productos: almacenes, ferias, etc. Sobre el par
ticular es necesario tomar decisiones previas en forma categrica.
5] Variaciones de calidad de los bienes y seivicios

Otro aspecto fundamental es la especificacin precisa, hasta don
de sea posible, de la calidad de los productos, de manera que se
pueda controlar a travs del tiempo la invariabilidad de sus
caractersticas. Es muy frecuente, sobre todo en los artculos con
trolados, que se incrementen los precios reales, permaneciendo
fijos los precios nominales, por una disminucin de la calidad de
los productos.
6] Base del ndice

En general cuando se plante el tema se advirti, sobre la nece
sidad de elegir como base un perodo donde estuvieran ausentes
las modificaciones y circunstancias violentas. Ahora debe agre
garse que, en el caso de ndices de costo de vida, el perodo base
debe ser modificado, toda vez que la estructura de consumo haya
128 NM EROS NDICE
cambiado significativamente. En los tiempos actuales, cuando las

innovaciones tecnolgicas cambian con extraordinaria rapidez,
determinando modificaciones en las preferencias de los consumi
dores, la base de un ndice de costo de vida no debera tener
una antigedad superior a los 6 a 8 aos.
Sin embargo, en las frmulas de clculo, para evitar cambios
de base muy seguidos, modificaciones que significan altos cos
tos, se contempla la posibilidad de introducir nuevos artculos,
toda vez que se registren cambios en las preferencias de los con
sumidores.
7] Eleccin de los m todos de clculo

En general es necesario tomar decisiones sobre la frmula de
clculo; corrientemente; cuando se trata de ndices de costo
de vida se acostumbra utilizar frmulas de Laspeyres, porque
implica considerar constantes las ponderaciones del perodo base.
La utilizacin de una frmula de Paasche significara un esfuerzo
muy grande, ya que en cada perodo (generalmente cada mes) ha
bra que volver a ponderar hacia atrs, aparte que sera nece
sario calcular peridicamente estas ponderaciones a medida que
pasa el tiempo.
La decisin acerca de qu frmula utilizar estar condicionada,
en primer lugar, al objetivo que se persigue con el ndice y a la
factibilidad de su diseo desde el punto de vista del costo y
la oportunidad con que se entreguen los resultados.
La Direccin de Estadstica y Censos de algunos pases calcula
el ndice de costo de vida sobre la base de una modificacin
a la frmula de Laspeyres.
Esta frmula implica el clculo del ndice en un perodo i,

sobre la base del ndice en el perodo anterior, afectndolo por
la variacin que acusen los precios. La frmula tiene la ventaja
que se pueden introducir nuevos artculos segn sus especifica
ciones, o cambiar la fuente de informacin.
TEM A S DE DISCUSIN 129
T E M A S D E D IS C U S I N
In d iq u e si las siguientes a firm a cion es son ciertas o falsas, y ju s tifiq u e

su o p in i n .
1] P o d e r d e co m p ra , v a lo r rea l y q u n tu m fsico, son co n ce p to s

equivalentes.
2] L a re la ci n d e in te rca m b io es desfa vora b le para los pases sub-
desarrollad os, p o r q u e lo s precios d e sus im p orta cion es son m a
yores q u e los p re cio s d e sus ex p orta cion es.
3] L a f rm u la d e Laspeyres n o p r o p o r c io n a in d ica cio n e s correctas,
cu a n d o se trata d e averigu ar la v a ria cin d e los valores u n itarios
d e las e x p orta cion es.
4] D e fla cta r u n a serie d e valores n om in a les p o r u n n d ice de p re
c io s d e Laspeyres, e q u iv a le a p roy ecta r el v a lo r d el a o base
(E Po q0) Po r u n n d ice d e ca n tid a d es d e Paasche.
5] L o s siguientes d atos son factibles. (L os n d ices tien en base 1960.)
D I 1967 = 150
T ra n sfe re n cia s im p lcita s d e l sector p rim a rio al resto d e la e co

n o m a 200. n d ic e de p recios en 1967 d e l sector p rim a rio 140.
6] El d e fla cto r im p lc ito es n ico , in d e p e n d ie n te d e la restriccin
pla n tea d a.
7] Las pru eb a s p lan tead as p o r F ischer sign ifican u n a seria lim ita
c i n a la u tiliz a ci n d e n d ices de Laspeyres y Paasche.
8] L o s siguientes d atos son consistentes
EFI = -2 0 0 QX = 4 000 IP X = 150 IR I = 80
9] Si los n d ices d e p re cios d e Laspeyres y Paasche co in c id e n en

v a lo r n u m rico , pa ra cierto p e r o d o , q u ie r e d e c ir q u e la estruc
tura d e p o n d e ra cio n e s es exa cta m en te igu a l a la d el p e r o d o base.
10] L o s n d ices d e p re cio s d e Laspeyres n o p u e d e n tom ar valores
negativos.
11] E l n d ice d e v a lo r d e b e ser siem pre m a y or q u e el n d ice d e
precios.
12] L o s siguientes d atos son consistentes.
PEX = 3 000 QX = 2 400 IR I = 80
13] Si e l p r o d u c to n o m in a l c o in c id e en tres p e r o d o s c o n el p r o
d u cto real, q u ie re d e cir q u e los p recios d e to d o s y ca d a u n o de
los b ien es y servicios h an p e rm a n e cid o in va ria b les en los tres
p e rod os.
14] En u n p e r o d o caracterizado p o r u n a co m p le ta esta b ilid a d de
p recios, los n d ice s d e Laspeyres y Paasche pa ra p recios c o in c i
d irn n ecesariam ente en v a lo r n u m rico.
13 0 NM EROS NDICE
15] Si u n a e co n o m a se d iv id e en d os sectores: p rim a rio y secu n da

rio , y el n d ice d e p recios d e p ro d u cto s p rim a rios co in c id e c o n
el d e fla c to r im p lcito , q u iere d e c ir q u e las transferencias im p l
citas d e ingresos, son nulas para a m b os sectores.
16] La m a g n itu d d e l e fe cto d e la re la ci n d e p recios d e l in terca m
b io , es in d e p e n d ie n te d e l p e r o d o e le g id o c o m o base d c los n
dices deflactores.
17] Para q u e el n d ic e d e p r o d u c c i n in du strial re fle je ca m b io s rea
les, d e b ie ra ser d e fla cta d o por un n d ice de p recios de bienes
industriales.
18] El n d ice d e p recios d e Laspeyres es el q u e m s se presta para
e l c lc u lo d e v a ria cion es en el co s to d e vid a, p r in cip a lm e n te p o r
q u e tom a c o m o p o n d e ra cio n e s las ca n tid a d es d e un p e r o d o base
c o n sid e ra d o c o m o n orm al.
19] L o s n d ice s de base va ria b le, tien en la d esven ta ja de que no
p u e d e establecerse com p a ra cion es en tre ellos.
20] Si el n d ice d e la rela cin d e p recios d e l in te rca m b io es in fe
rio r a 100, est re fle ja n d o u na situ a cin desfa v ora b le para el pas.
21] Si u n o b r e r o en 1964 tien e u n su eld o s u p e rio r en 3 0 % al de
1963 y p o r otra parte, el n d ice d e p recios al co n su m id o r para
1963 co n base en 1964 es d e 70, q u iere d e c ir q u e la situ a cin
d e l o b r e r o en cu a n to a p o d e r d e co m p ra n o h a va ria d o.
PROBLEM AS PROPUESTOS
1] U n a f b rica p r o d u c e 2 b ien es (A y B ) . Si se tien en los siguientes

d atos in co m p le to s .
Venias totales
en u. m. B ien A " B ie n B
Ao corrientes Precio Cantidad Precio Cantidad
1961 5 000 10 400 100 i

1966 9 000 15 i 400 t
C a lcu le u n n d ice d c ca n tid a d d e las ventas d e esta f b rica para

1966, c o n base 1961.
2] D adas las sigu ientes in form a cion es:
P r o d u c to n o m in a l d e l pas A en 1968 6 000

P r o d u c to n o m in a l d el pas B en 1968 180 000
PROBLEMAS PROPUESTOS 131
U n id a d es m on eta rias d e A p o r u n a u n id a d
m o n e ta ria d e B en 1962 10
P r o d u c to rea l d e A en 1968 en u. m. d e 1964 4 000
P r o d u c to real d e B en 1968 en u. m . d e 1962 120 000
E l n d ice gen era l d e p r e cio s c o n base va ria b le pa ra e l pas A , se

presenta a c o n tin u a c i n :
Pais A
1961 _
1962 110
1963 120
1964 110
Se le p id e estim ar el tip o d e c a m b io d e p a rid a d en 1968. Seftale

b re v e m e n te las lim ita cio n es d e l m to d o .
3] U n a e co n o m a se d iv id e en tres sectores: p rim a rio, secu n d a ra y

terciario, y se d is p o n e d e los sigu ientes datos:
P ro du elo bruto
(u. m . corrien tes)
1964 1967
S ector p rim a rio 2 000 4 000

S ector secu n d a rio 5 000 6 000
Sector tercia rio 3 000 5 000
P roducto bruto
(u . m . con sta n tes d e 1964)
' 1964 1967
Sector p rim a rio 2 000 2 500

Sector secu n d a rio 5 000 5000
S ector tercia rio 3 000 4 000
Se p id e d e te rm in a r las transferencias im p lcita s d e in g reso en tre

lo s sectores.
132 NM EROS NDICE
4] L o s n d ice s d e p recios y p r o d u c c i n in du stria l h an sid o los si

gu ientes:
n d ices 1958 1959 1960 1965
P recios 80 100 150 300
P r o d u c ci n 100 110 120 125
Si se sabe q u e el p r o d u c to d e la in du stria fu e en 1960 d e 800

m illo n e s d e u. m . se p id e :
a) E stim ar el p r o d u c to n o m in a l para 1965.

b) E stim ar el p r o d u c to real para 1959, en u. m. d e 1965
c) S e alar las lim ita cion es d e los m to d o s utilizados.
EJERCICIOS
1] Para los a rtcu los A , B, C y D , se tien e los siguientes p recios y

ca n tid a d es en los aos q u e se in d ica n :
Artculos
A B C D
Aos P 9 P 9 P 9 P 9
1959 10 12 4 15 1 10 30 10
1960 12 12 4 15 1 15 30 15
1961 15 20 5 10 2 20 50 20
1962 20 20 5 10 2 30 50 20
1963 30 30 6 15 2 50 60 20
C a lcu le para to d o el p e r o d o :
a) U n n d ice d e p recios d e Laspeyres c o n base 1959;

b ) U n n d ice d e ca n tid a d d e Paasche co n base 1959; y
c) U n n d ice d e valor.
2] E l n d ice de base va ria b le de los p recios de los p r o d u c to s a g ro

p e cu a rio s m uestra el sigu iente co m p o rta m ie n to :
PROBLEMAS PROPUESTOS 135
Aos n d ice
1957
1958 104
1959 102
1960 108
1961 120
1962 150
1963 130
C a lcu le el n d ice to m a n d o 1960 c o m o base fija.
Para el n d ice d e p r o d u c c i n in du strial se tienen los siguientes

datos:
n d ic e de prod . n d ic e de prod .
Aos indust: base 1955 indust. base 1960
1955 100
1956 106 __
1957 114
1958 120
1960 130 100
1961 _ 112
1962 _ 120
1963 __ 130
1964 - 145
Se le p id e q u e e m p a lm e a m b os n d ices y seale cla ra m en te las li

m ita cion es d el m to d o .
U n a e co n o m a ha sid o d iv id id a en tres sectores y sus v a lores agre-

ga d os se presen tan a c o n tin u a ci n (en m illo n e s d e u n id a d es m o-
netarias c o r r ie n t e s ).
1956 1957 1958 1959 1962 1965
A gricu ltu ra 2 000 2 600 3 100 4 000 6 000 8 00C

Servicios y o tros 4 000 5 600 5 800 7 900 9 000 10 000
In dustria 1 600 2 000 2 800 3 800 5 500 6 000
Producto 7 600 9 600 11 700 15 700 20 500 24 000

P o r o tra parte, se dispone de los siguientes ndices para los mis-

mos aos.
\
in dice costo vida 80 100 ISO 150 190 210
ndice de precios al
p or m ayor 100 120 140 170 210 220
Indice de produccin
industrial 100 110 125 140 170 200
Indice de precios de
la construccin 90 100 120 160 200 210
Indice de sueldos y
salarios 100 125 140 160 180 200
Se le pide que:
a) C alcule el producto bruto real para los seis aos en unidades
m onetarias de 1956 y luego de 1962. C om pare los resultados.
b) C alcule el Indice d eflactor im plcito del producto b ru to y e x
plique su significado.
5] |Jna fam ilia increm enta sus ahorros nom inales en 360 por ciento
en tre 1955 y 1962. Si en el ao 1962 dicha fam ilia desea invertir
sus ahorros en m ateriales de construccin, slo podr adquirir una
cantidad 20 p or ciento m ayor que en 1955; en cam bio, si destina
sus ahorros a la com pra de productos agrcolas, no alcanzar a
ob ten er la cantidad que habra com prado en 1955. Pero al mismo
tiempo, si invirtiera sus ahorros para com p rar ambos tipos de bie-
nos, de tal m odo que gastase igual suma en cada uno, podr ad
q uirir una cantidad 5 por ciento superior al ao 1955. Se le pide
calcule el ndice de precios de productos agrcolas para 1955 con
base 1962. Qu limitaciones tendra el m todo empleado?
6] Se disponen de antecedentes, sobre la base de una muestra de

cu atro productos, de las exportaciones de cierto pas.
Valor
total
M uestra de productos de exportacin d e las
A B C D expor-
Aos P 9 P <7 P <7 P 9 taciotii
1958 2 10 20 6 4 12 4 2 250
1959 3 10 20 8 4 14 4 2 320
1960 3 10 25 6 4 16 6 2 420
1961 4 10 30 8 5 20 6 3 450
1962 4 12 30 8 5 20 6 3 480
1963 4 15 25 8 6 25 8 2 500
Se le p id e q u e estim e
a) U n n d ice d e ca n tid a d d e e x p o rta cio n e s para el tota l d e stas
c o n base 1958.
b) U n in d ice d e Paasche para los p recios de e x p o rta ci n co n base
1959.
c) Si el n d ice d e p re cios d e im p o rta cio n e s tiene el sigu ien te c o m
po rta m ie n to :
195S 1959 1960 1961 1962 1965
IP M 100 120 160 240 310 430
Se le p id e ca lcu le el n d ice d e re la ci n d e trm in os d e in terca m b io

c o n base 1959.
7] Si los p recios d e los ciga rrillos se in crem en ta n en 70 p o r c ie n to y,
c o m o con secu en cia , el in d ice d e costo d e v id a sube en 1.8 p o r
cie n to , q u p o n d e ra ci n d e n tr o d el costo d e vida tiene este b ie n -
SOLUCION DE EJERC IC IO S
2 Pnlo
11 a) IP L :
2 Pq
A B C D T otal n d ic e base
Aos Pn<lo P<]o Pn<lo Pnlo 2 Pn*lo 1959=^100
1959 120 60 10 300 490 100.0

1960 144 60 10 300 514 104.9
1961 180 75 20 500 775 158.2
1962 240 75 20 500 835 170.4
1963 360 90 20 600 1 070 218.4
2quPn
b) IQ P
Sq Pn
A B C D T otal
Ao P,,cl P<1 P,/l P,,<],, 2 pq n d ice
1959 120 60 10 300 490 100.0

1960 144 60 15 450 669 130.2
1961 300 50 40 1 000 1 390 179.4
1962 400 50 60 1 000 1 510 180.8
1963 900 90 100 1 200 2 290 214.0
13 6 NM EROS NDICE
c) E l n d ice d e v a lo r p u e d e ob ten erse m u ltip lic a n d o los d os n d i

ces antes e n con tra d os; y en v irtu d de la p r u e b a d e reversin de
factores:
Aos IP L IQ P IV
1959 100.0 100.0 100.0

1960 104.9 130.2 136.6
1961 158.2 179.4 283.8
1962 170.4 180.8 308.1
1963 218.4 214.0 467.4
2] Es n ecesario d esen ca d en ar e l n d ice p revia m en te:
In d ice base
fija 1 9 5 7 = 1 0 0
1957 100 100.0

1958 100 104 104.6
1959 100 104 102 106.1
1960 100 104 102 108 114.6
1961 100 104 102 108 120 137.6
1962 100 104 102 - 108 120 150 206.2
1963 100 104 102 108 120 150 130 268.1
L u e g o ser n ecesa rio ca m b ia r de base, d iv id ie n d o p o r el v a lo r de

1960 (1 1 4 .6 ).
In d ice
A os base fija 1 9 6 0 = 1 0 0
1957 87.3
1958 90.8
1959 92.6
1960 100.0
1961 120.0
1962 179.9
1963 233.9
3] Para e m p a lm a r el n d ice c o n base 1955, bastar a p lica r la sigu iente

regla de tres:
130 100
^ 6 1 .5 5 Ig l.C O
y d e igu a l fo rm a pa ra tod os los aos. Para em p a lm a r h acia atrs
e l o tr o n d ice , el p r o c e d im ie n to es sim ilar. L os n d ices em p a lm a d os
se m uestran a c o n tin u a ci n :
n d ic e base 1955 n d ic e base 1960
1.00
1955 100.0 7 6 .9 (1 0 0 --------- )
1.30
1.06
1956 106.0 81.5 (100 ------------)
1.30
1.14
1957 114.0 8 7 .7 (1 0 0 ----------)
1.30
1.20
1958 120.0 9 2 .3 (1 0 0 --------- )
1.30'
1960 130.0 100.0

1961 145.6 (130 1.12) 112.0
1962 156.0 (130 1.20) 120.0
1963 169.0 (130 1.30) 130.0
1964 1.88.5 (130 1.45) 145.0
La lim ita ci n estriba en e l h e ch o q u e a lo la rg o d e cu a lq u ie ra de

los d o s n d ice s e m p a lm a d os a pa recen im p lcita m en te d os bases:
cu a n to m s d ife re n te s sean los supuestos d e u na y otra base, tan to
m s d e fe ctu o s o ser el em p a lm e.
4] a) El p rim e r p r o b le m a p o r resolver es la e le cci n d e los d efla ctores

adecu ados, es decir, q u e exista re la ci n en tre el c o n c e p t o q u e se
desea d e fla cta r y e l n d ice e le g id o c o m o d e fla cto r. E l segu n d o
p r o b le m a con siste e n exp resar los d efla ctores elegid os, c o n la
m ism a base pa ra d is p o n e r d e u n id ad es h om og n ea s. A dm tase
q u e despus d e u n estu d io se ha d e c id id o d efla cta r el v a lo r agre
g a d o d e la agricu ltu ra p o r el n d ice d e costo d e vid a, el d e ser
vicio s p o r u n n d ice d e sueldos y salarios y en in du stria se hara
la p r o y e cci n a travs d e l n d ice d e ca n tid a d respectivo.
L o s n d ice s c o n base 1956 sern los siguientes:
1956 1957 1958 1959 1962 1965

D e fla c to r agricu ltu ra 100 125 163 188 238 263
D e fla c to r servicios 100 125 140 160 180 200
n d ic e de p ro d u c . in d. 100 110 125 140 170 200
N M E R O S N D IC E
L o s valores a grega d os reales, en u.m . d e 1956, sern:
1956 1957 1958 1959 1962 1965
A gricu ltu ra 2 (KM) 2 080 1 902 2 128 2 521 3 042

Servicios 4 000 4 000 4 143 4 938 5 000 5 000
In dustria I 600 1 760 2 (MIO 2 240 2 720 3 200
P r o d u c to real 7 600 7 840 8 045 9 306 10 241 11 242
Para o b te n e r los valores agregados reales, en u.m . d e 1962 ser

n ecesa rio exp resar los d efla ctores co n base 1962.
1956 1957 195 8 1959 1962 1965
D e fla c to r agricu ltu ra 42 53 68 79 100 111

D e fla c to r servicios 56 69 78 89 100 111
In d ice d e protl. in d. 59 65 74 82 100 118
L o s v a lores a grega d os reales en u.m . d e 1962 sern:
1 956 1957 1958 1959 1962 7955
A g ricu l tura 4 762 4 906 4 559 5 063 6 000 7 207

Servicios 7 143 7 246 7 436 8 876 9 000 9 009
In dustria 3 245 3 575 4 070 4 510 5 500 6 490
P r o d u c to real 15 150 1 5 7 27 6065 18 4 49 20500 22 706
L o s re sid ta d os e v id en tem en te sern distintos, ya q u e se expresan

e n u n id a d es distintas: in clu so, la tasa d e cre cim ie n to d e l p r o d u c to
real, p o r las razones citadas, ser d iferen te.
b) Para calcular el deflactor implcito del producto, se aplicar la
P r o d u c to n o m in a l
re la ci n D I = ------------------------------
P ro d u c to real
E n c u a n to al p r o d u c to real, p u e d e tom arse cu a lq u iera tie los va

ca lcu la d o s, segn la base d e l d e fla cto r im p lc ito q u e se desee. D e
esta m anera, si se p r e te n d e q u e la base sea el a o 1956, se ten dr:
1956 1957 1958 1959 1962 1965

P rod u cto nom inal 7 600 9 600 11 700 15 700 2 0 500 24 000
Producto real
(u.m . de 1956) 7 600 7 840 8045 9306 10 241 11 242
D eflactor im plcito 100.0 122.4 145.4 168.7 200.2 213.5
5] Con los datos presentados pueden construirse los siguientes indices:
ndice de valor ndice de cantidad ndice de

ahorro nominal construccin cantidad mixto
1955 100 100 100
1962 460 120 105
En virtud de la prueba de reversin de factores pueden obtenerse

los siguientes indices de precios:
ndices de precios ndices de precios

construccin mixto
1955 100 100
1962 885 438
E l ndice de precios m ixto, ser una com binacin lineal de los in

dices de precios parciales, ponderados p o r el gasto:
IP (m ixto) = IP (const) W c -f- 1P (agrie) W a
1
pero W,, = Wa =
383 + I P (agrie)
438 = -------- -
2
1P (agrie) = 876 - 383 = 493
IP (agrie) IP (agrie)
base 1955 = 100 base 1962 = 100
100.0 20.3
493.0 100.0
14 0 N M E R O S N D ICE
Los supuestos admitidos fueron los siguientes:
ij Que los ndices cumplen con la prueba de reversin de factores;

ii] Que el ndice de precios mixto se obtiene a partir de un pro
medio ponderado de los ndices parciales;
ii] Que la estructura del ndice de precios agrcolas es la misma
entre los aos 1955 y 1962.
6] Se calcular un ndice de cantidad de Laspeyres
2 q Po
Repre qnpo Indice

A Ii C /> Total sent. Ajust. base
Aos OnPo OnPo q nPo <lnPo 'ZqnPo /o 100% 1958=100
1958 20 120 48 8 196 78.4 250 100

1959 20 160 56 8 244 79.8 306 122
I960 20 120 64 8 212 60.9 348 139
1961 20 160 80 12 272 88.4 308 123
1962 24 160 80 12 276 84.6 326 131
1963 30 160 100 8 298 85.2 350 140
b) IPP = 2 p " q" donde

---------- . j 0:
n 1959
2 p 0 q
A B C D
Aos Po<ln PoOn PoOn PoOH 2 P . , ndice
1958 30 120 48 8 206 196 95.1

1959 30 160 56 8 254 254 100.0
1960 30 120 64 8 222 256 115.3
1961 30 160 80 12 282 398 141.1
1962 36 160 80 12 288 406 141.0
1963 45 160 100 8 313 426 136.1
c) E l ndice de la relacin de intercambio est dado por
IP X
IR I = -----------
IPM
SO LU CI N DE E JE R C IC IO S 141
Para disponer de los dos ndices de igual base, se efectuar un

cambio de base aritmtico en el IPM.
1958 1959 1960 1961 1962 1963
IP X 95.1 100.0 115.4 141.1 141.0 136.1

IPM 85.0 100.0 133.3 200.0 258.3 358.3
IR I 111.9 100.0 86.6 70.6 54.6 38.0
7] Se considerarn dos grupos: uno compuesto por los cigarrillos (C)

y otro compuesto por todo el resto de los bienes (R)
1C (W c) - f IR (W lt) = 1 . 0 1 8
1.7 W c - f 1.0 W R = 1.018
pero W 0 + WB = 1
1.7 W c - f 1.0 (1 - W c) = 1.018
0.7 W c = 0.018
0.018
VVC = --------- = 0.026
0.7
Los cigarrillos tienen un 2.6% de ponderacin dentro del ndice

de costo de vida.
SEGUNDA PARTE
ANLISIS DE REGRESIN
Y CORRELACION
ANLISIS DE REGRESIN
A. M TO D O DE LOS M N IM O S CUADRADOS
P rob ablem en te u no de los tem as estadsticos m s utilizados en la

p lan ificacin es el que se refiere a l anlisis de regresin y c o
rrelaci n .
Es de e x tra o rd in a ria u tilid ad co n o cer en qu form a estn re
lacionad as las variables o b je to de anlisis, es decir, la fu n cin m a
tem tica capaz de rep resen tar tal relacin .
C on ocien d o ta l fu n cin , es posible estim ar el co m p o rtam ien to
de la variable o b jeto de estudio, d en o m in ad a v ariable depen d ien te
o p red ictan d o, de acu erd o a las variacion es de o tra u otras v a ria
bles denom in adas indepen d ien tes o p red ictoras. D e lo a n te rio r se
deduce que la regresin debe ap licarse a variables que ten gan u n a
relaci n lgica, es d ecir, que exista razon ab lem en te d ependencia
en tre las variables. Desde el p u n to de vista te rico , a cu alq u ier p ar
de variables puede encontrrseles u n a fu n cin m a te m tica o e cu a
cin de regresin que las relacio n e, p ero slo ser de u tilid ad cu a n
do h aya u n a relaci n de cau salid ad en tre dichas variables.
Es necesario d istingu ir dos etap as, en el proceso de aju ste p o r
m nim os cu ad rad os; p or u n a p a rte , est el p ro b lem a de elegir la
fu n cin que relacio n a en form a ad ecu ad a a las variables; p o r o tra ,
la necesidad de d isponer de u n m todo que p e rm ita d eterm in ar
los valores que asum en los p a r m e tro s de la ecu aci n de regresin.
P a ra solu cion ar el p rob lem a sealado en p rim er lu gar, pueden ser
de m u ch a u tilid ad las rep resen taciones grficas y los anlisis n u
m ricos de las series de datos. A veces, e l p rop sito es v erificar el
cu m p lim ien to de ciertas teoras, se tra te de u n a ad a p ta ci n de
teoras ya existentes, o d el p lan team ien to de o tras nuevas. E n am
bos casos la fu n cin su jeta a v erificaci n ya est elegida.
U n a form a de d eterm in ar los valores de los p arm etro s est
dada p o r el m tod o de los m nim os cu adrados, cu yo tra ta m ie n to se
d etalla p a ra cad a u no de los casos q u e se presen tan a co n tin u a ci n :
1] Regresin simple. Se d en om in a de esta m an era a la m eto d o
loga q u e p erm ite o b ten er ecucIH is^H hde s i T h terv en en dos
variables: u n a depen d ien te o p red ictan d o y o tra in d ep en d ien te o
[145]
146 A N L ISIS DE R EG RESI N
predictor. Cuando p or medio del anlisis lgico se ha comprobado

Ta existencia de una relacin de causalidad directa o indirecta entre
las variables, es necesario determ inar cul es la funcin m atem tica
que representa adecuadamente la relacin. Para ello es indispensa
ble disponer de informaciones acerca de los valores que ha alcanza
do cada una de las variables en distintos perodos, si se trata de un
anlisis histrico cronolgico, o en distintos lugares si se trata de
un corte transversal en el tiempo. Con las informaciones obtenidas,
que deben ser suficientes en nmero para garantizar un buen
ajuste, se construir una grfica y se podr decidir si la funcin
adecuada es una recta, una hiprbola, una parbola, una potencial,
una exponencial, etctera.
U n a vez que se ha decidido cul es la funcin adecuada para
el ajuste de regresin, es posible determ inar los parm etros de la
funcin elegida.
a) Lnea recta: Si al representar los puntos en una grfica, st
muestran un com portam iento rectilneo com o en el ejemplo si
guiente:
g r e ic a 17
es necesario calcular los parm etros o coeficientes de regresin de

dicha recta.
Yc = a X| + b,
para poder determ inar los -valores de a y b, se recurre al mtodo

de los mnimos cuadrados, que cumple la condicin ele minimizar
la siguiente expresin:
2 (Y, - Yc)2
i-i
donde Y ^ es un valor observado;

M T O D O DE LO S M N IM O S CUADRADOS 14 7
Y c: es u n v a lo r c a lc u la d o p o r la e c u a c i n d e re g re s i n ;
n: es el nmero de observaciones.
Si se remplaza Y por a X , b dentro de la sumatoria, es po

sible, derivando, encontrar los valores de los coeficientes de regre
sin a y b que satisfacen la condicin. En efecto, llamemos Z a la
expresin:
Z = 2 (Y. - a X - b)2
Se trata de derivar parcialm ente respecto de cada uno de los

parm etros
~ = 2 2 (Y . - a X t - b) ( - 1 ) = 0
ob
Aplicando las propiedades de la sum atoria se tiene:
2Yi = a 2 X , - f n b
que es la prim era ecuacin normal.
z
= 2 2 (Y t-a X i-b ) ( - X t) = 0
a
Aplicando propiedades de la sumatoria
2 Y ,X , = a 2 X t + z 2 X ,
que es la segunda ecuacin normal.

Obsrvese que se tienen dos ecuaciones normales y dos incgni
tas. Se trata de un sistema de ecuaciones que permiten calcular los
parm etros o coeficientes de regresin.
1? Ecuacin normal 2 Y = a 2 X j - f - n b ]
J- Sistema
2^ Ecuacin norm al: 2 Y ,X = a 2 X ] -j- b 2 X J
Donde 2 Y , es la suma de los valores observados de la variable

dependiente; 2 X es la suma de los valores observados de la va
148 A N L ISIS D E REG R E SI N
riab le in d epen d ien te y n es el n m ero de observaciones. E n este

caso el sistem a est form ad o p o r dos ecuaciones, p orq u e slo hay
dos p arm etro s p o r d eterm in ar. E l signo del coeficien te de reg re
sin que correspon d e co n la p endiente de la re c ta (a )7 cTetermina
si la regresin es d ire cta o inversa. Si a es p ositivcvquirgjdecir
que an te in crem en to s de la v ariable p red icto r, correspon d e in cre
m entos de la variab le p red ictn d o . Si el signo de a es n egativo,
an te in crem entos de la v ariab le p re d icto r h a b r d e crcm e n to s de la
variable p red ictn d o y se d ice que la regresin es inversa.
H asta el m om en to se estuvo p lan tean d o u n a regresin de Y
en X , es decir, co n sid eran d o a Y co m o v ariable d epen d ien te y a X
com o variab le in d epen d ien te, cu an d o se tra ta b a de m in im izar:
2 (Yi - Yc)2
i-i
P uede p erfectam en te p lan tearse u n a regresin de X en Y ,

donde lo q u e interese m inim izar sea:
2 (X - X c)2
i>i
siendo X c = a Y , -f- b.
L as ecu acion es norm ales, en este caso, p o r an aloga, sern:
2 X, = a 2 Y, + nb
2 X Y = aS Y + b 2 Y,
T n gase presente que los p arm etro s de la regresin de Y en

X , sern distintos de los p arm etro s de la regresin de X en Y .
P o r ello suele distinguirse a estos p arm etro s de la siguiente m a
n era:
a YX: coeficien te de regresin de Y en X ;
a XY: coeficien te de regresin de X en Y.
E n gen eral, cu an d o se analiza la relaci n de las variables cuya

regresin se p reten d e d eterm in ar, se p uede esp ecificar cu l es la
variable d epen d ien te y cu l la in d epen d ien te. U n a vez tom ada la
decisin, se d en om in ar con Y a la v ariable d epen d ien te o p re-
M T O D O DE LO S M IN IM O S CUADRADOS 149
dictando, y con X a la variable independiente o predictor, para

evitar confusiones. A continuacin se plantea un ejemplo que per
mitir aclarar algunos aspectos que son difciles de explicar de otra
manera. Como el lenguaje de los smbolos es claro, no permite
malos entendidos ni interpretaciones equivocadas.
Ejem plo: D urante los ltimos aos las ventas de una empresa
han crecido por razones de una intensa cam paa de prom ocin de
ventas: dichas variables han tenido el siguiente com portam iento
en el tiempo.
Ventas Gasto en propaganda

Ao r<
1958 100 10
1959 150 14
1960 200 21
1961 210 22
1962 300 28
1963 500 45
1964 600 55
Interesa determ inar la funcin m atem tica o ecuacin de re

gresin que relaciona estas variables. Representando estos valores
en un grfico, se concluir que la recta representa adecuadamente
la relacin de las variables. Para determ inar los parm etros de la
recta, se plantean las ecuaciones normales
2 Y , = a 2 X , + nb
2 Y ,X , = a 2 X i + b 2 X,
Luego es necesario tabular los valores que interesa remplazar

en estas ecuaciones normales; a continuacin se procede a hacer
lo as:
X; r tXt
100 10 1 000 100
150 14 2100 196
200 21 4 200 441
210 22 4 620 484
300 28 8 400 784
500 45 22 500 2 025
600 55 33 000 3 025
2 060 195 75 820 7 055
150 A N L ISIS D E R EG RESI N
Las ecuaciones normales en valores sern:
2 060 = 195 a + 7 b
75 820 = 7 055 a + 195 b
Resolviendo el sistema
a = 11.4
b = - 26.1
La ecuacin de ajuste queda en consecuencia expresada as:
Yc = 11.4 X , - 26.1
Por medio de esta ecuacin se puede determinar valores calcu

lados de la variable dependiente para cualquier valor de la va
riable independiente. Naturalmente que al realizar estimaciones,
por ejemplo para calcular el probable volumen de ventas ante un
desembolso en propaganda de 100 (X t = 100), debe tenerse en
cuenta el campo de validez de la regresin. No escapar a la aten
cin del lector el hecho que aumentos sucesivos de propaganda no
siempre implicarn mayores volmenes de venta, porque puede
darse en un momento determinado la saturacin del mercado u
otro obstculo semejante. En consecuencia es necesario que, cuan
do se realicen estimaciones, se verifique el cumplimiento de los
supuestos implcitos en los datos disponibles. Por ello sobre el re
sultado de una proyeccin, es indispensable advertir que slo ten
dr validez si se sigue manteniendo la tendencia de los puntos ob
servados durante el perodo histrico.
b) Potencial: Una funcin muy utilizada enproyecciones, por
su flexibilidad, es la denominada funcin potencial o de ela
dad. Su expresin matemtica es la siguiente:
Yc = b X", '
Para determinar las ecuaciones normales se procede en forma

similar al caso de la recta, realizando previamente, mediante la
aplicacin de logaritmos, una transformacin lineal:
log Yc = log b) + a log X ,
log Yc = b' -(- a log X dondeb' = log b

M T O D O DE LO S M N IM O S CUADRADOS 151
E n e ste caso se t r a t a d e m in im iz a r la e x p re s i n :
Z = (log Y, - log Yc)*

1*1
es decir:
Z = 2 (log Y - a log X , - b')2
Derivando respecto de cada uno de los parmetros e igualando

los resultados a cero, se obtendrn las dos ecuaciones normales.
z
- - = 22 (log Y, - a log X , - b') (- 1 ) = 0
o b'
Z
= 2 2 (log Y, - a log X , - b') (-lo g X .) = 0
Sa
Aplicando a ambas derivadas las propiedades de la sumatoria,

se tiene:
2 log Y, = a 2 log X i + n b'
2 log Y, log X , = a 2 (log X ,)2 + b' 2 log X ,
que forman el sistema de dos ecuaciones normales que permitirn

el clculo de los dos parmetros. Evidentemente el mtodo es un
tanto laborioso cuando se tienen muchas observaciones, ya que es
necesario trabajar en los logaritmos con por lo menos 5 decimales
para evitar aproximaciones que pueden implicar serios desajustes.
c) Exponencial: Cuando se desea calcular tasas de crecimiento
tomando en cuenta todos los puntos observados en el perodo his
trico se recurre principalmente a la funcin:
Y = a b donde b = 1 -f- i
t: tiempo en perodos
Aplicando logaritmos a la anterior expresin:
log Yc = log a + t, log b

52 A N L ISIS DE REG R E SI N
Como en los casos anteriores interesa minimizar la expresin
\ ' Z = 2 (log Y, - log Yc)2

i-l
Z = 2 (log Y log a t, loe b)2
z
M o g I = 2 2 (Iog Yi ~ l0g a U log b) (_1) =
z
- = 22 (log Y - log a - t log b) ( - t ,) = 0
o log b
Aplicando las propiedades de la sumatoria, se obtienen las dos

ecuaciones normales
2 log Yj n log a -f- log b 2 t
2 t log Yi = log a 2 t -p log b 2 t2
El caso general de la funcin exponencial es el clculo de tasas

de crecimiento cuando se considera el tiempo como variable inde
pendiente. Sin embargo, puede considerarse cualquier otra variable
independiente y ajustar la funcin sin hacer referencia a tasas de
crecimiento.
En general se obtienen significativas ventajas, cuando se cambia
la escala de unidades para la variable t. De este modo, si se tiene
una serie con un nmero impar de datos, se le asigna el valor cero
al perodo central y sucesivamente los primeros dgitos con signo
positivo para perodos posteriores y con signo negativo para pero
dos anteriores. Con ello se consigue que la sumatoria de t sea nula,
con lo cual se facilita la resolucin del sistema. Cuando el nmero
de datos es par, a los dos perodos centrales se le asignan los va
lores 1 y -j-1 y para perodos posteriores los primeros nmeros
impares con un signo positivo y con uno negativo para los perodos
anteriores.
d) Parbola: Esta conocida funcin se ajusta en forma similar a
los casos anteriores.
Yc = a X(2 - f b X - f c
Dado que la forma general contiene tres parmetros, ser nece

sario determinar tres ecuaciones normales para determinar los va
M T O D O DE LO S M N IM O S CUADRADOS 153
lores de a, b, c. Estas tres ecuaciones normales provienen de la de

rivacin parcial respecto de cada uno de dichos parmetros, inte-
reza minimizar la expresin:
Z = 2 (Y, - Yc)2
i-i
Z = 2 (Y, - a X J - b X , - c)>
Derivando respecto de a, b y c, se tiene:
Z '
= 2 2 (Y, - a X2 - b X , - c) (-1 ) = 0
8c -
5Z
= 2 2 (Y, - a X2 - b X , - c) ( - X ,) = 0
Sb /
z
= 22 (Y - a X2 - b X , - c) ( - X 2 ) = 0
a
Aplicando las propiedades de la sumatoria, se tienen las siguien

tes ecuaciones normales:
1? Ecuacin normal: 2 Y( = a 2 X - f b 2 X -fn c
2* Ecuacin normal: 2 Y ,X = a 2 X\ + b 2 X4,+ c 2 X ,
3* Ecuacin normal: 2 YX2,= a 2 X4 + b 2 Xs + c 2 X2
Puesto que durante el perodo histrico se tienen los valores de

Yi y X j, es necesario tabular todas las sumatorias que aparecen
en las ecuaciones normales. Resolviendo el sistema, se tiene deter
minado el valor de cada uno de los tres parmetros.
e) Hiprbola equiltera: Para el ajuste de algunas funciones de
demanda y por la propiedad que tiene que cualquier punto de la
funcin subtiende superficies iguales con los ejes de coordenadas,
su aplicacin es bastante frecuente. Se trata de un caso particular
de la funcin potencial. Su expresin matemtica es:
154 A N L ISIS D E REG R E SI N
En vista de que slo tiene un parmetro, ser necesario calcular

una ecuacin normal, minimizando la expresin:
Z = S (Y, - Yc)2
1*1
v
Z = 2 (Y, - )*
x/
Derivando respecto de a
Z a l
- - = 22 (Y ,---) ( - - - )
o il X.J Xj
Aplicando las propiedades de la sumatoria se tiene:
Yj 1
Ecuacin normal 2 = a 2
X, X2
}) Otras funciones: Dentro del campo de la investigacin econ

mica a veces es preciso ajustar funciones particulares. La metodo
loga de la obtencin de ecuaciones normales es similar a los casos
considerados. Por ejemplo la funcin:
Yc = a log X| -f- b
Siempre se tratar de minimizar la expresin
Z = 2 (Y, - Yc)2
i-l
Z = 2 (Y, - a log X , - b)2
Donde:
SZ
2 2 (Yi a log X , b) ( - 1 ) = 0
5b
z
= 2 2 (Yj a lo g X , b) ( - l o g X ,) = 0
a
M TODO DE LO S M N IM O S CUADRADOS 15 5
Las ecuaciones normales sern:
2 Y = a 2 1o g X , -fn b
2 Y log X = a 2 (log X ,)2 + b 2 log X
Resolviendo el sistema, es posible determinar el valor de los

parmetros.
Siempre es conveniente seguir esta metodologa, para funciones
:uyas derivadas no compliquen demasiado las expresiones que
iparecen en las ecuaciones normales.
2] Regresin m ltiple. Ocurre que a veces es necesario encon-
:rar funciones donde se relacionen una variable dependiente y
ios o ms variables independientes, de all el calificativo de ml
tiple. En este caso se adoptar una simbologia especial, para de
signar cada una de las variables y parmetros:
X ^ variable dependiente;
X 2, X 3 . . . X p: variables independientes.
Por lo tanto, si se trata de un caso de regresin mltiple donde

se consideren dos variables independientes, la funcin se expre
sar de la siguiente manera:
1 .2 3 = a 1 .2 3 4 " b i 2 . 3 - f - b 1 3 -2 X
donde:
X 123: indica la variable dependiente X t que se relaciona con

las variables X 2 y X 3; esa es la razn de los subndices.
ax 23: coeficiente de posicin (trmino libre) del plano de re
gresin donde se consideran la variable dependiente X !
y las variables independientes X 2 y X 3.
b12 3: coeficiente de regresin que multiplica a la variable X 2,
cuando adems se considera la variable X s.
bi.3.2: coeficiente de regresin que multiplica a lavariableX 3,
cuando adems se considera la variable X 2.
Es fcil extender esta notacin para los casos en que se consi

deren 3 o ms variables independientes. En el caso de tres varia
bles independientes (X 2, X 3, X 4) la funcin quedar as sim
bolizada:
15 6 A N L IS IS DE R E G R E S I T
Xe 1.234 = a1.234 + 6]2.34 X 2 -(- b3;24 X 3 -(- b14-23 X 4
El lector, por analogia con el caso anterior, puede interpreta:

cada uno de estos smbolos.
Cuando se desea ajustar una funcin de este tipo a una serii
de datos, el mtodo de los mnimos cuadrados implica hacer m
nima la expresin.
( X j- X d ^
donde X , son los valores observados y X c .2 3 son los valores cal

culados de la variable dependiente. Por simplificaciones, se su
prime el subndice i. Las ecuaciones normales, en el caso de do:
variables independientes, se obtienen minimizando la siguiente
expresin:
Z 2 (X t a i , 2 3 bjo.a Xo b132 X 3j"
Para ello, se deriva parcialmente respecto de cada uno de los

parmetros, igualando los resultados a cero.
z
--- = 22 (X j a4 23 b12 3 x 2b13 2 X 3) { 1) = 1 0
8 a 1 .2 3
8Z
- 2 2 (X 4 a4 23 b12:3 X 2 b]3 2 X 3) (X 2) 0
o bjo
Z
-----= 2 2 (X j - ai.23 - b12.3 X j - b13 2 X 3) ( - X 3) = 0
8 bK,
Aplicando las propiedades de la sumatoria se tienen las siguien

tes tres ecuaciones normales que formarn el sistema para calcular
el valor de cada uno de los tres parmetros.
2 X , b12 3 2 X 2
jb13 2 2 X 3 -j- n a4 23
2 X , X 2 b12 3 2 X2o b j3 2 2 X 2 X 3 a^ 23 2 X 2
2 X j X 3 = b12 3 2 X 2 X 3 -)- b13 2 2 X^ -)- a4 23 2 X 3

CO N SIDERA CIONES PRA C TIC A S 157
Tabulando los valores de las sumatorias que aparecen en el

sistema, se podr resolver para cada parmetro.
B. CONSIDERACIONES PRACTICAS
En pginas anteriores se ha detallado la metodologa que permite

abtener ecuaciones normales por el mtodo de los mnimos cua
drados, para el tipo de funciones usado con ms frecuencia en la
planificacin. Ahora se pretende enunciar algunas de las consi
deraciones que es necesario hacer, desde el punto de vista prctico,
cuando se realizan los mencionados ajustes.
1] R especto del tipo de funcin. Si se piensa que una de las
principales aplicaciones de la regresin es la proyeccin, en el
tiempo o en el espacio, donde no se tienen valores de la variable
;studiada, y donde no queda otra alternativa que conformarse
con estimaciones provenientes de extrapolacin de funciones ajus
tadas por regresin, deber admitirse la necesidad de disponer de
[unciones sencillas que contengan un reducido nmero de varia
bles y parmetros. Recurdese que una funcin complicada, de
muchas variables y parmetros, se parecer ms bien a una inter
polacin, a una funcin que se aproximar al mayor nmero de
puntos observados. Para determinar tendencia no tiene sentido
la interpolacin. Recurdese que para proyectar una variable de
pendiente, es necesario disponer de estimaciones para todas las
variables independientes; pero disponer de estimaciones para mu
chas variables independientes suele ser en extremo difcil y en
iodo caso existe alta probabilidad de cometer errores. En cambio
una funcin sencilla, como las analizadas en pginas anteriores,
puede representar cabalmente una tendencia de la relacin de la
variable dependiente con la o las variables independientes.
2] R especto del nm ero de observaciones. Un buen ajuste im
plica disponer de una cantidad significativa de puntos obsrva
los; el conjunto de puntos observados representa una muestra de
la relacin de las variables en el tiempo o en el espacio. Mientras
ms grande esta muestra, es decir, mientras mayor nmero de
runtos se posea, tendr ms representatividad y menor ser la
orobabilidad de cometer errores. Cuando se est analizando una
ecuacin de regresin, una de las primeras cuestiones que se debe
tclarar ser el nmero de observaciones, para que con este ante
cedente se califique en parte la significacin de la regresin.
3] R especto de la dificultad del clculo. El lector comprobar,
i travs de la realizacin de ejercicios, el trabajo que exigen los
15 8 A N L ISIS D E REG RESI N
clculos de regresin. En la prctica, cuando ya se tiene aclarada

la parte conceptual, para lo cual constituye una importante ayu
da la realizacin de ejercicios con calculadoras convencionales,
ser til recurrir a los computadores electrnicos, ya que una vez
entregadas las informaciones originales, en brevsimo tiempo po
dr disponerse de clculos exactos, ya que los programas de re
gresin estn previamente diseados. Por otra parte, respecto de
la deduccin de las ecuaciones normales, puede significar cierta
demora obtenerla basndose sobre las derivadas parciales. Existe
una regla nemotcnica para hallar ecuaciones normales en fun
ciones lineales respecto de los parmetros. La regla es la siguiente:
Para la primera ecuacin normal, multipliqese la funcin a
ajustar por el coeficiente del primer parmetro, y luego apli
qese el operador sumatoria a la funcin. Para la segunda ecua
cin, multipliqese toda la funcin por el coeficiente del segunde
parmetro y luego apliqese el operador sumatoria. Y as sucesi
vamente para todas las ecuaciones normales que se deba obtener.
Ejemplos: Se obtendrn las ecuaciones normales de la funcin:
log Yc =r a log X + log b
Multiplicando ambos miembros de la ecuacin por el coeficien

te de logb que es 1, y aplicando sumatoria, se tiene la primera
ecuacin normal:
2 log Yi == a 2 log X , -j- n log b
Multiplicando ambos miembros de la ecuacin por log X que

es el coeficiente del otro parmetro y aplicando sumatoria, se
tiene:
2 log Yi log X , = a 2 (log X ,)* + log b 2 log X ,
que es la segunda ecuacin normal. Comparando estas dos ecua

ciones normales con las obtenida? por derivacin parcial en h
parte 1, b se concluye que son idnticas.
Si se quisiera obtener la ecuacin normal de una recta que pass
por el origen, se tiene:
Yc = a X i
(recta que pasa por el origen ya que no tiene trmino libre; coe
ficiente de posicin 0).
C O N SID ERA CIO N ES P R C TIC A S 159
Multiplicado por X , que es el coeficiente del nico parme

tro, y aplicando sumatoria, se tiene:
2 Y,X = a 2 X2
Por el proceso de derivacin, se llega al mismo resultado. En

efecto:
Z = 2 (Y Yc)2 = 2 (Y, aX ,)2

i=i
z s
= 2 2 (Yi aX|) ( Xi) = 0
a
2 Y ,X , = a 2 X !
En las pginas siguientes se tratarn conceptos referentes al

anlisis de correlacin, conceptos que permitirn cuantificar el
grado de asociacin entre las variables estudiadas y la validez de
las proyecciones a travs de las ecuaciones de regresin.
II
C O R R E L A C I N
A. O BJETIVO S DEL ANLISIS DE CORRELACIN
En el captulo anterior se presentaron las tcnicas del ajuste de

funciones por el mtodo de mnimos cuadrados. Una vez deter
minada la funcin, es necesario especificar si hay asociacin entre
las variables consideradas y en qu m eddo lo eslan. TLn caso de
que las variables estn ntimamente asociadas, la ecuacin de re
gresin puede utilizarse para explicar el comportamiento de la
variable dependiente (explicada) en trminos de las variaciones
que experimente la variable independiente (explicativa). Por
ejemplo, el incremento del volumen de venta de artefactos elc
tricos puede ser explicado por aumentos en los niveles de ingre
so, por variaciones en los precios* por modificaciones en los tipos
de cambio, etc. Por otra parte, el instrumento de la regresin y
correlacin puede ser empleado en la estimacin de valores de la
variable dependiente (predictando), en el entendido que se cono
cen las variaciones de la variable independiente (predictor). En
general, los planes de desarrollo especifican los niveles de ingreso
por habitante que se pretende alcanzar en los prximos perodos;
con tales datos y la ecuacin de regresin del caso, pueden esti
marse magnitudes de las variables que muestren un alto grado de
asociacin con el ingreso, tales como el consumo, la importacin
de alimentos, la reinversin de utilidades, etc. En todo caso, la
validez de una proyeccin por regresin depende del grado en
que estn asociadas entre s las variables; si es alto el grado de
la asociacin, la estimacin tiene base de fundamento, y si la
asociacin es dbil, la proyeccin no se justifica.
Recurdese que para determinar la ecuacin. de regresin es
necesario contar con antecedentes sobre los valores que han toma
do las variables; la representacin grfica de estos valores ayuda
a especificar el tipo de funcin. En esta etapa ya puede adelan
tarse algo acerca del grado de asociacin. Obsrvese los dos dia
gramas siguientes:
[ 160 ]
TIPOS 161
GRFICA 18
En el primer diagrama de dispersin los puntos estn ms ale

jados de la funcin que en el segundo; da proximidad de los pun
tos observados a la funcin determina el grado de asociacin.
El objetivo bsico del anlisis de correlacin es pues evidente: /
se trata de disponer de un indicador cuantitativo del grado de
asociacin que respalde la ecuacin de regresin que se pretende
utilizar. De hecho, un conjunto de puntos que muestren la rea- j
cin de un par de variables puede ser representada por cualquier \
funcin, pero una representacin adecuada slo se consigue cuan- \
do la garantiza una asociacin estrecha entre las variables.
/
B. TIPOS DE CORRELACIN
En forma similar a la clasificacin de los tipos de regresin pre

sentada en el captulo anterior, se puede distinguir los siguientes
tipos de correlacin:
1] Atendiendo al nmero de variables:

a) Correlacin simple. Cuando se estudia el grado de asocia
cin entre un par de variables: dependiente e indepen
diente.
b) Correlacin m ltiple. Cuando se estudia el grado de aso
ciacin que simultneamente existe entre la variable de
pendiente y dos o ms variables independientes.
c) Correlacin parcial. En el caso de correlacin mltiple, la
cuantificacin de la asociacin neta entre dos variables,
una vez que se elimina estadsticamente la influencia de
otras variables independientes.
2] Atendiendo a la forma de la funcin: Segn el tipo de ecua-
162 C O RR ELA C I N
cin de regresin se tiene correlacin rectilnea, parablica,

potencial, exponencial, logartmica, e n te ra .
3] Atendiendo a la relacin de variables:
a) Correlacin directa o positiva. Guando por aumentos en
la variable independiente corresponden aumentos de la va
riable dependiente.
b) Correlacin inversa o negativa. Cuando por aumentos en
la variable independiente corresponden disminuciones
de la variable dependiente.
C. EL COEFICIENTE DE CORRELACIN
Definicin. Un coeficiente de correlacin indica el grado de aso

ciacin entre las variables; se simbolizar por r y se definir de la
siguiente manera:
/ Sc \ Syc
r ~ \~sf~) ~ s7
Donde Syc representa la varianza explicada, es decir, aquella

parte de la varianza total explicada por la ecuacin de regresin
y Sy representa la varianza total como se la defini en la primera
parte del trabajo, es decir:
2 (Yc Y)2
Sc ------- (Yc: valor calculado)
n
2 (Y, - Y)*
S = (Y j : valor observado)
n
Como puede observarse, ambas varianzas expresan un promedio

de cuadrados tie desviaciones respecto de la media aritmtica y su
cmputo no difiere del que se realiza para una varianza cualquie
ra. Lo que ocurre es que la variabilidad total se descompone en
dos fuentes: la varianza explicada y la varianza no explicada que
se define:
L IM ITA D O R E S 163
Lgicamente la suma de la varianza explicada y la varianza no

explicada reproduce la varianza total, como se demuestra ms ade
lante. La raz de la varianza no explicada, por el hecho de ser un
indicador del grado de dispersin de los puntos observados res
pecto de los puntos calculados por la ecuacin de regresin, reci
be el nombre de error de proyeccin y se utiliza para fijar inter
valos de confianza.
Observando la frmula del coeficiente de correlacin, ste pue
de interpretarse como la proporcin que representa la desviacin
tpica explicada dentro de la desviacin tpica total.
D. L IM IT A C IO N E S DE LA CORRELACIN
La rapidez y sencillez con que ha sido presentado el tema puede

hacer que la correlacin se interprete sin salvedades y con ilimi
tados alcances; por ello parece conveniente plantear los siguien
tes puntos.
1] Un alto coeficiente de correlacin no necesariamente deter
mina causalidad entre las variables; dos variables pueden apare
cer correlacionadas por casualidad y no porque exista una relacin
de dependencia entre ellas.
2] En cuanto a las variables, es necesario que aparezcan depu
radas de las influencias de otras variables. Dos series nominales
pueden mostrar estrecha asociacin porque hay una tercera varia
ble: alzas de precios, que exagera el grado de asociacin. Por ello
es conveniente trabajar con series reales, por habitante, de mane
ra que haga ms significativa la correlacin.
3] Dos series pueden tambin arrojar coeficientes de correlacin
cercanos a uno, porque el tamao de muestra es insuficiente. En
un caso extremo, cuando slo se tomen dos puntos, el coeficiente
de correlacin rectilneo mostrar en general un valor igual a la
unidad, pero esto no garantiza la adecuada significacin. La cali
ficacin del grado de asociacin no puede dejar de considerar el
nm ero de puntos utilizados en el estudio.
4] Desde el punto de vista del tipo de funcin, sobre todo cuan
do se tiene por objetivo la proyeccin de una variable, es conve
niente trabajar con funciones sencillascapaces de representar la
tendencia de la nube de puntos. Si se posee una funcin compli
cada con muchos parmetros y muchas variables independientes,
posiblemente se obtenga un alto coeficiente de correlacin, porque
la funcin, dada su complejidad, pasar muy cerca de los puntos
observados. Sin embargo, la correlacin pierde validez como ga-
164 CO RR ELA C I N
rantia de una adecuada proyeccin; estimar los valores de las va

riables independientes, es decir, fijar las variables exgenas se hace
ms difcil cuando stas son numerosas.
5] No debe olvidarse que la proyeccin por regresin y correla
cin es vlida en tanto sigan en vigencia los supuestos y circuns
tancias implcitos en los datos y antecedentes disponibles. Proyec
tar por regresin la produccin agrcola de los prximos perodos,
por ejemplo, haciendo caso omiso de una eventual reforma agra
ria, probablemente conducir a estimaciones alejadas de la reali
dad. Es importante, cuando se realizan estimaciones, dejar en cla
ro los supuestos bsicos y admitir que cualquier desviacin de es
tos supuestos exige una revisin del modelo de proyeccin o ciel
modelo de anlisis segn el caso.
6] Por ltimo, merece destacarse que los modelos de regresin
y correlacin significan una perm anente revisin de supuestos y
acumulacin de nuevos antecedentes que permitan ajustar el mo
delo a las nuevas circunstancias.
E. CORRELACIN R E C T IL N E A
Es conveniente presentar en detalle los conceptos expuestos en

forma general aplicados al caso especfico de la correlacin rec
tilnea.
1] Representacin de las magnitudes que determinan las va
rianzas
Se enunci que la varianza denominada total corresponda exac
tamente con el concepto utilizado en la primera parte del trabajo.
En efecto:
2 (Y, - Y)*
S = ------------------
n
En la grfica 19 pueden observarse las desviaciones que toma en

cuenta este estadgrafo.
La varianza explicada la determinan las desviaciones de los valo

res calculados respecto de la media aritmtica.
CORRELACIN R EC T ILIN EA 16 5
G R FICA 19
Grficamente:
g r f ic a 20
La varianza no explicada la determinan las desviaciones de los va

lores observados respecto de los valores calculados.
2 ( Y , - Y t.)=
5Ys ------------------
n
Grficamente:
166 CO RR ELA C I N
GRFICA 21
Evidentemente:
Sf = S i + S i
ya que:
2 (Y, - )* = 2 (Yc _ ) + 2 (Y, - Yc)*
2Y? - 2 2 Y, + n * = 2 Y? - 2 2 Yc + n 2+ 2 Y?
- 2 2 Y, Y + 2 Y?
Por otra parte 2 Y = 2 Yc ya que:
2 Y, = a 2 X , -)- n b 1?- ecuacinnormal.
Yc = a X , -f- b Ecuacin de regresin rectilnea,

que al aplicarle el operador sumatoria, se transforma en:
2Y e= a 2 X , + n b
Luego
2 Yn = 2 Y,
La relacin original en consecuencia puede simplificarse:
2 2 Y, Ye - 2 2 Y, = 2 2 Y? - 2 2 Yc
pero, 2 Y| = 2 Yc
CORRELACIN R E C T IL N E A 167
y queda: 2 Y, Y = 2 Y?
Pero: Yc =r a X -)- b
Y? = a2 Xi + 2 a b X + , b 2
Y? = a2 y?t + ab X, + ab X + b*
Y = a(aX + b X , ) + b (a X , + b )
2 Y? = a (a 2 X? + b 2 X ,) + b (a 2 X , + n b)
Las expresiones entre parntesis soil las ecuaciones normales de

una recta, luego
2 Y? = a 2 X , Y, + b 2 Y,
Por otra parte
2 Y, Yc = 2 Y, (a X , + b)
ya que
Y,. = a X , + b
2 Y, Y =- a 2 X , Y, + b 2 Y,
Luego
2 Y? = 2 Y, Y0
y por consiguiente
Sy = Sc -}- Sys
De esto se deduce que el valor numrico del coeficiente de correla

cin, o de su cuadrado que se denomina coeficiente de determi
nacin, flucta entre 0 y 1.
168 C O R R ELA C I N
Los lmites planteados son casos generales. Cuando no se elige en

forma adecuada la ecuacin de regresin, es posible encontrar coe
ficientes de correlacin que adoptan valores no comprendidos entre
los lmites establecidos.
En correlacin rectilnea se asigna el signo positivo de la raz
cuando se trata de correlacin directa y el signo negativo si la
correlacin es inversa. En este caso, entonces los lmites sern:
-1 ^ r ^ 1
El coeficiente de correlacin tomar un valor igual a la unidad

cuando todos los puntos observados estn situados sobre la ecua
cin de regresin, y tomar el valor cero cuando la ecuacin de
regresin coincida con una paralela al eje de las abscisas a la al
tura de la media aritmtica.
g r f ic a 22
Xi
2] Mtodo abreviado de clculo
El clculo del coeficiente de correlacin basado en las varianzas,

es decir, en la definicin, implica cuantificar los valores calculados
por la ecuacin de regresin, lo que por s mismo representa un
trabajo bastante laborioso. El mtodo que a continuacin se ex
pone, aprovecha los clculos que se debieron realizar para deter
minar los parmetros de la ecuacin de regresin. Si se recuerda
la definicin:
* S' c _ 2 (Y' - >2

r~ ~ S\. ~ 2 (Y, - Y)*
C O R R ELA C I N R E C T IL N E A 169
2 Yc 2 Y 2 Yc n Y2
~ 2 Y? - 2 2 Y + n 2
Obsrvese que 2 Y, = 2 Y = n Y
2 Y? 2 n Y2 -j- n 2 2 Y ? n Y2
2 Y? 2 n Y2 -f- n Y2 2 Y? - n Y 2
Ser necesario encontrar una expresin para 2 Y? . En el punto

anterior se demostr que
2 Yc = a 2 X , Y, -|i b 2 Y,
Remplazando esta nueva expresin en la ltima frmula de r2

se tiene:
a 2 X Y -t- b 2 Y, n 2
2 Y? - n Y 2
La frmula anterior, como se dijo, posee la ventaja de utilizar

cmputos que debieron hacerse para el ajuste por el mtodo de los
mnimos cuadrados, con excepcin de 2 Yf . El numerador de esta
frmula equivale a n veces la varianza explicada, y el denomina
dor equivale a n veces la varianza total. Por consiguiente, para ob
tener el cuadrado del error de proyeccin (varianza no explicada),
ser necesario restar el numerador del denominador y dividir la
diferencia por n, antes de realizar simplificaciones numricas. La
utilizacin del error de proyeccin para predecir o estimar inter
valos, tiene la siguiente interpretacin grfica:
g r fic a 23
/
17 0 CO RR ELA C I N
Detrs de esta interpretacin est el supuesto que las diferencias

entre valores observados y valores calculados tienen una distribu
cin de probabilidad normal. Por ese hecho pueden establecerse
niveles de confianza o probabilidades de acierto en las estimacio
nes. Si se suma y resta una vez el error de proyeccin, el intervalo
resultante implica un nivel de confianza de 68 por ciento; si se
suma y resta dos veces el error de proyeccin, el nivel de confianza
ser de 95 por ciento; si se suma y resta tres veces el error de pro
yeccin, el nivel de confianza ser de 99 por ciento, etctera.
3] Otras frmulas de clculo
Existen otras frmulas para - cuantificar el grado de asociacin
entre ellas la frmula llamada m om ento-producto que conduce a
su vez a expresar el coeficiente tie correlacin como la m edia geo
mtrica de los coeficientes tie regresin angulares.
Dada la ecuacin de regresin: Y0 = a X -j- b aplicando el opera
dor media aritmtica, se tiene: Y = a X b de donde: b =
- a X.
Por otra parte, las ecuaciones normales para la recta son:
i) 2 Y, = a 2 X , + nb
ii) 2 X, Y, = a 2 X + b 2 X
Dividiendo la segunda ecuacin por n, queda
S X , Y,
a
n n
Remplazando el valor de b = Y a X, se tiene:
2 X 2,
a + (Y - a X) X
n n
a
n
Observando estas expresiones, se concluye que el primer miem

bro no es otra cosa que la covarianza de las variables Y y X|, y la
CO R R ELA C I N R E C T IL N E A 171
expresin dentro del parntesis es la varianza de la variable inde

pendiente, es decir:
C [X, Y,] = a V [X,]
Ntese que esta expresin corresponde a una ecuacin de regre

sin de Y en X , es decir, donde X es la variable predictor y Yi
es la variable predictndo. Para especificar la frmula en este sen
tido el coeficiente angular a tendr la siguiente expresin:
C [X, Yi]
a YX =
V[ X, ]
Por analoga, si la ecuacin de regresin fuera de X en Y se tendra:
X c = a Y + b
Dado que
S X , Y, - -
C (X , Y,) = C (Y, X i) = ------------- - Y X
n
donde el orden de los factores no altera el producto numrico;

se tiene:
C [X, Y,]
a XY -
V [Y ,]
En resumen, hasta ahora se dispone de frmulas para los coefi

cientes de regresin en trminos de varianzas, covarianzas y medias
aritmticas, que son tiles para obtener valores numricos y para
las demostraciones que a continuacin se presentan.
La frmula abreviada del coeficiente de correlacin es
a S X , Y - f b S Y i nY*
_ SY? - n Y *
dado que
bYX Y ax X
172 CORRELACIN
remplazando se tiene:
aYX 2 X , Y, + ( - ayx X) 2 Y - n -
r- = --------------------------------- - ---------------------
2 Y? n Y-
ayx 2 X Y - f n- - n a YXX - n 2
~ 2^1 - n Y 2
_ aYX { 2 X Y j - n X Y )
~ 2 Yf - n Y-
diviendo numerador y denominador por n se tiene:
2 X , Y - -
aYX{--------------- X Y } C[X,Y,]
n
r- = ------------- ----- ------------ aYX--------------
2 Yf -
Y- V [Y,]
n
Luego r2 = aYX aXY
r = \~yx~xY
De otra manera
(C [Xi Y,])2 _ _ C[X,Y,]

V[ X, ] V[Y, ] Ss l SYI
De esta manera se han deducido dos frmulas adicionales para

el coeficiente de correlacin. La primera est dada por la
media geomtrica de los coeficientes angulares de regresin, y la
segunda tiene como numerador a la covarianza, que es un m o
m ento de orden uno-uno respecto de las medias aritmticas, y co
mo denominador al producto de las desviaciones tpicas de las
variables; de donde el nombre de momento-producto que se le da
a esta frmula.
Se ha hecho hincapi sobre la necesidad de distinguir el sentido
de la regresin y correlacin, es decir, si se trata de Y sobre X
o de X sobre Y por el hecho que hay anlisis donde puede pre
sentarse cierta reversibilidad en la causalidad.
C O RR ELA C I N R E C T IL N E A 173
4] Correlacin por rangos

Un caso particular de la correlacin rectilnea es la llamada co
rrelacin por rangos u ordenamientos. Hay una cantidad de va
riables no susceptibles de medicin exacta y, sin embargo, suscep
tibles de ordenarse o jerarquizarse cualitativam ente; por ejemplo,
una seleccin de candidatos a un cargo, basada en entrevistas per
sonales, puede conducir a ordenamientos de los candidatos (por
ejemplo, de mejor a peor) por parte de cada uno de los entrevis
tadores. El anlisis de correlacin por rangos determinar si estos
ordenamientos son coincidentes o dispares, y cul es/la magnitud
de la coincidencia o disparidad. El problema consiste en asignar a
cada candidato un nmero de orden y determinar el grado de aso
ciacin entre dos ordenamientos, y el mismo puede ser enfrentado
recurriendo a frmulas generales ya vistas para la correlacin rec
tilnea. Sin embargo, en este caso se consigue alguna ventaja de
clculo por el hecho que las variables tomarn valores enteros
equidislanciados. Siguiendo el ejemplo, si dos supervisores hubie
ran ordenado a ocho postulantes en la siguiente forma:
Ordenamiento del Ordenamiento del

entrevistador l entrevistador 2
Postulantes i ual
A -1? 3?
B 2o u
C 7? 8?
D 6? 5?
E 3? 2o
F 8? 7?
C 5? e?
H 1? i?
El anlisis de la correlacin por rangos proporcionar un indi

cador cuantitativo acerca de la disparidad o coincidencia de los
ordenamientos. Obsrvese que las variables son los nmeros natu
rales en ambos tipos de ordenamientos; este hecho permite con
cluir que;
i) las medias aritmticas de los dos ordenamientos sern igua
les, es decir: M [u,] = iVf [u2].
ii) las varian/as de ambos ordenamientos sern iguales, es decir:
V [ u .j] = V [u s l]
Una de las frmulas generales para el coeficiente de correlacin

rectilnea era la siguiente:
C [ X , Y t] . (C[X, Yi])2
r = . . r2 =
Sx, S r , V [X,] V [Y,]
Para las deducciones posteriores es importante establecer previa

mente cul es la varianza de una suma de variables:
2 (X, 4- Y, X Y)2 2 [ (X , X) + (Y, )]2

V [X, + Y,] = _ ------------- - L JL 1 -----L
' 2 (X, - X)2 2 (Y, - Y)2 2 2 (X, - X) (Y, - Y)

V [X[ + Yt] = + -------- + ---------- -
n n n
V [X, + Y,] = V [X,] + V[Y,] + 2 C [X, Y,]
2 2 ( X , - X ) (Y Y) 2 2 (X, Y, - X Y , - X , + X )
ya que
n
2 X , Y, - 2 X, - 2 X
- 2 [ X Y ------------------ h x Y 1
-
n n n
2 Xi Y i ----- - -
2 f X Y - Y X + XY]
2 X Y, - -
= 2 [----------------X Y ] = 2 C [ X i Y,]
Por analoga la varianza de la diferencia de dos variables ser
. V [X, - Y,] = V [X,] 4- V [Yi] - 2 C [X, Yi]
Dadas las variables ordenamiento u1( u^, se puede establecer una

relacin de diferencia entre ellas:
dj U jj u^ji
V[d] V [u,,] 4- V [u3] - 2 C [uu u,|]

CORRELACIN R E C T IL N E A 175
El coeficiente ele correlacin en trminos de estas variables ser:
C [Un u2]
V V [u] V [u2l]
C [Uj u i2l
r - - v J ya que V [ulf] = V [u2l]
Despejando la relacin V [dj], se tiene que:
C [uu u2i] - (V[u] + V [u21] - V [d,] i/2
= (2 V [u,,] V [<-!,]) i/2
Por otra parte
d == Un u2,
M [dt] = M [u,,] M [u2i] = 0
luego,
V [d ,] = M [ d ? ] - (M [d,])2
2 di
Entonces,
_ C [u,j u2] _ V [u] - V [d,] i/2

V [u] V[u]
V [d,]
1-
2V[u]
Pero la varianza de uM[V (un)] es la varianza de los n primeros

nmeros naturales.
2 uf,
V [ u , , ] = ------------- ui
176 CORRELACION
n ( n - f 1) (2n + l) /n ( n + l ) \ 2
6n \ 2n /
(n + 1) (2n + 1) ^-n + i y
(n + 1) (2n + 1) (n+l)(n+ l)
r 2 n 4- 1 n + 1
= (n + 1)
L 6
= (n + 1)
[4n + 2 - 3 n - 3
12
/ ii 1 \ n2 - 1
= (n + ) ( v, j = 12
V [d,]
Luego, r= l--
(t 1)
6 2d?
r= 1
n (n2- 1)
Para el ejemplo propuesto en pginas anteriores el clculo se ha

ra de la siguiente manera:
Postulantes un U2i d. d?
A 4 1
_2
3 I
B 2 4 4
C 7 8 _1 1
D 6 5 I 1
E 3 2 1 1
F 8 7 1 1
c; 5 6 _1 1
H 1 1 0 0
36 36 0 10
C O RR ELA C I N NO R E C T IL N E A 177
Aplicando la frmula anterior resulta
6 ( 10)
r = 1 ------- = 0.88
8 (63)
El resultado del indicador muestra que los dos ordenamientos

estn bastante asociados, sin que tengan, en general, discrepancias
significativas.
A veces puede utilizarse con ventaja este tipo de indicador, aun
en casos de variable cuantificable. Puede ocurrir que si el nmero
de datos es muy grande y las variables toman valores que dificul
tan el clculo numrico, sea conveniente ordenar las observaciones
de acuerdo a sus valores numricos y establecer la correlacin entre
los ordenamientos. Evidentemente esta simplificacin implica ri
gidez por la introduccin de supuestos adicionales, tales como la
correlacin rectilnea, y la necesidad que los ordenamientos refle
jen adecuadamente la distribucin de las variables originales. Sin
embargo, muchas veces basta con saber si existe o no asociacin sin
que interese mucho refinar el anlisis; para este tipo de estudios
puede prestarse esta conversin arbitraria de variables.
La facilidad de. clculo del coeficiente de correlacin por ran
gos tiene, como contrapartida, una seria limitacin. Se supone que
las distancias o diferencia de atributos es constante entre los casos
considerados. En el ejemplo visto, esto quiere decir que la dife
rencia entre el postulante H y el postulante B es la misma que la
que existe entre el postulante B y el postulante E, etc., para cada
uno de los ordenamientos. En la prctica, difcilmente se cumplir
este supuesto, pero como se lia dicho, este tratamiento es adecuado
para variables de atributos donde la jerarquizacin u ordenamien
to constituyen la nica forma de discriminacin, y donde se obser
va con menos rigurosidad las limitaciones aludidas.
F. CORRELACIN NO R E C T IL N E A
Sin desconocer que el caso particular de la correlacin rectilnea

es til para presentar los conceptos del anlisis de regresin y co
rrelacin, su aplicacin prctica es algo restringida por el hecho
de que en los estudios socioeconmicos las relaciones entre las varia
bles adquieren formas que, en general, difcilmente pueden ser
representadas en forma adecuada por una lnea recta.
Be la misma manera que se distinguan diversas relaciones no
rectilneas en el captulo de regresin, aqu desde ese mismo punto
de vista se expondrn los coeficientes de correlacin respectivos.

En correlacin no rectilnea carece de utilidad distinguir entre
directa e inversa, por el hecho que pueden haber tramos donde
la relacin sea directa y otros donde sea inversa.
1] Si la funcin es del tipo
Y c = a log X + b
es decir, si cambios relativos de X determinan cambios absolutos

de Y, el coeficiente de determinacin tendr la expresin general
S 2 (Yc Y)2 2 Yc - n Y 2
r2 =
Sv 2 (Y Y)2 2Y-; - n Y 2
pero,
Y? = a2 (log X,)2 -f- 2ab log X, + b2
Y*- = a{a (log Xi)2 + b log X ; } + b {a log X , + b}
2 Y* = a f a ^ ^ J l o g J M J J ^ + b {a ^ lo g ^ + jib }
Ecuacin normal Ecuacin normal
2 YI = a 2 Y, log X, + b 2 Y,
a 2 Y| log Xj - f b 2 Y , - nY2
r2
2 Y? - n Y 2
Ntese que este coeficiente de determinacin resulta de la rela

cin entre Y y log X , que ser distinto del que resulta de la re
lacin entre Yt y X (siendo Xi el antilogaritmo de log X).
Para el clculo del error de proyeccin se procede de manera
similar al caso tie correlacin rectilnea, es decir, basta dividir ]>or
n la diferencia entre el numerador de la frmula del coeficiente
de determinacin (n veces la varianza explicada) y el denomina
dor (n veces la varianza total); la raz cuadrada de esta diferencia
dividida por n ser el error de proyeccin. Nuevamente, el error
tie proyeccin est dado teniendo en cuenta la proyeccin de Y,
en trminos de la variable independiente log X , que ser distinto
al error que se d al proyectar Y en trminos de X .
C O RR ELA C I N NO R E C T IL N E A 179
2] Si la funcin es del tipo
Y = f dx si log f = b; log d = a
log Y = aX - f b
es decir, una funcin de las llamadas exponenciales, el procedi

miento para encontrar las frmulas del coeficiente de correlacin
y del error de proyeccin es similar al caso anterior. Obsrvese
que en esta funcin, variaciones absolutas de la variable X deter
minan variaciones relativas de Y. La frmula general del coefi
ciente de determinacin es la siguiente:
2 (Yc - Y)2 2 Y2 - n Y2
2 (Yj - Y)2 2 Yf - n Y2
Obsrvese que en la funcin aparece el logaritmo de Y. Por este

hecho la frmula particular ser:
2 (log Yc)2 n log Y2

2 (log Y ,)2 n log Y2
donde,
2 log Y j
log Y = M [log Y,] =
II
Dado que log Yc = a X ( -)- b
2 (log Y,)2 = a2 2 X[ + ab 2 X , + ab 2 X , + nb2
= a {a 2 X f + b 2 X } + b {a 2 X j + nb}
= a 2 (log Yj) X , + b 2 log Y,
a 2 X j log Yj -j- b 2 log Yt n log Y2

~ 2 (log Y j)2 n gY2
Cabe destacar nuevamente que el coeficiente de correlacin calcu

lado segn la ltima expresin diferir del calculado segn la ex-
presin general. En la frmula general se establece la asociacin

entre Y t y X ; en cambio, en el caso particular se establece la co
rrelacin entre el logaritmo de Y y la variable X . El error de
proyeccin en uno y otro caso se obtiene calculando la raz de la
varianza 110 explicada que es la ene-ava parte de la diferencia entre
el numerador y el denominador de la frmula del coeficiente de
determinacin.
3] En una funcin potencial del tipo
Yt = b X *
cuya expresin logartmica es
log Yc = log b - f a log X ,
donde variaciones relativas de la variable independiente determi

nan variaciones tambin relativas de la variable dependiente; pue
den as establecerse dos frmulas para el coeficiente de correlacin
que conducirn a resultados distintos:
r2 _ 2 (log Yc - log Y)2

2 (logY , gY)2
y la otra con los antilogaritmos respectivos.
_ 2 (Y - )*
~ 2 (Y )-
Para el caso de la correlacin logartmica la frmula abreviada

de clculo se obtiene de la misma forma que las anteriores.
a 2 log X log Y, + log b 2 log Y n log Y2

_ 2 (log Y)2 - n l o g Y 2
De esta frmula tambin puede obtenerse el error de proyeccin

logartmico con el procedimiento ya conocido.
En el caso de correlacin logartmica la estimacin de interva
los se hace en la misma forma que en el caso rectilneo, pero te
niendo en cuenta que para los valores reales el desvo contempla
C O R R ELA C I N NO R E C T IL N E A 181
do representa una proporcin constante de los valores dados por

la ecuacin de regresin.
La interpretacin grfica es la siguiente:
g r f ic a 24
En escalas logartmicas aparece una diferencia constante. Los

antilogaritmos de estos valores conducen a la representacin en
escala natural donde puede observarse que el intervalo es cada
vez mayor^Jo que corresponde a una proporcin constante del se-
miancho del intervalo respecto de los valores dados por la ecua
cin de regresin.
4] Correlacin parablica
Dada la funcin
Y = a X 3 + b X + c
El coeficiente de determinacin est dado por
_ 2 (Y -Y ) _ 2 Ye - n a
2 (Y, - Y)2 2 Y? - n 2
Y| = a2 X 1 - f b2 X 2 + c2 - f 2 a b X 3 + 2 a c X 2 + 2 b c X
Y' = a2 X 4 + a b X 3 - f a b X 3 - f b2 X 2 + a c X 2 + a c X 2 +
-f- c2 -j- b c X -f- b c X
Y2 = a{a X f -f b X? - f c X? } + b{a X 2 - f b X? + c X } - f
+ c {a X 2 + b X + c)
182 CORRELACIN
Aplicando el operador sumatoria
2Y 2 - a {a 2 X f - f b S X } + c 2 X } + b {a 2X * + b 2X ? - f
+ c 2 X } + c {a 2 X 2 + b S X + nc}
Las expresiones dentro de los parntesis corresponden con las

ecuaciones normales de la parbola, es decir:
2 Y 2 = a {2Y.XS } + b {2 Y .X ,} + c {2 Y ,}
La frmula abreviada de clculo para el coeficiente de correlacin

ser:
a 2 Ys X i + b 2 Y , X , + c 2Y - n 2
r2 ------------------------------- ---------------------
2Y? - n Y 2
El error de proyeccin se calcula por el mtodo expuesto para

los casos anteriores.
G. CORRELACIN M U L T IP L E
En el caso de que existan dos o ms variables independientes, la

necesidad de disponer de indicaciones acerca de la asociacin que
simultneamente tiene la variable dependiente con las variables
independientes, conduce a la obtencin de coeficientes de correla
cin mltiples; si bien son necesarios para el anlisis los coeficien
tes de correlacin simples, es preciso complementar este conjunto
de indicadores con un estadgrafo que resuma simultneamente los
grados de asociacin simples.
1] Correlacin en un plano de regresin.

Si se tienen dos variables independientes, la ecuacin de regre
sin es de la forma
X lc a i.2 3 -j- b12.3 X 2 -J- b13 2 X 3
El coeficientede correlacin se obtiene siempre a partir de la

frmula generalque ahora tendr la siguiente simbologa:
X (X lc X)- _ 2 X j c n X-t
R*23
S-, 2 (Xu X)2 ~ 2 Xf[ - n X 2
CORRELACIN M L T IP L E 183
D on d e S jc 1 2 3 es la varian za exp lica d a p o r las v ariables X , y

X ., Sx! es la v arian za to ta l de la v ariab le depen d ien te.
X-lc *~f" b|2 3 X 2 -p b13 X:, -p &.23 bjo,3 X 2 -p
~1 î.33 b12.3 x 2 -p a5t23 b13-2 X 3 -p a1t23 bl3>2 X 3 -p
~p b, L.3 b,.,., X 2X 3 -)- b)2 3 b13.2 X ,X 3
X-lc = 2i.23 { a i.23 -(- b i 2 3 X 2 b 1 3 .2 X 3}
~p b j 2 3 { b 12 3 X 2 -|-a t 23 X 2 -j- b 13-2 X 2X 3}
~P b , 3 . 2 { b ,3 2 X 3 a x 23 X 3 -p b j 2 .3 X 2 X 3}
A p lican d o su m atoria se tiene:
2 X - = a1 23 {n a , 23 -p b 1 2 .3 2 X 2 -p b j 3 . 2 S X )
~P 1*12.3 (bl2.3 2 X-2 -)- 3 !, 23 2 X 2 -p b1S-22 X2X3}
-p b,3 o {bj3 22 X3 -p 3] 23 2 Xa -|- b12-3 2 X0X3}
L a s expresiones d en tro de los parntesis correspon d en con las

ecu acion es n orm ales de un p la n o de regresin. E n efecto,
2 XU = a, 23 2 Xt + b 1 2 .3 2 X jX o + b , 3.2 2 X , X 3
L a frm u la ab reviad a del coeficiente de d eterm in aci n q ued a en

consecuencia,
at 03 2 X t -J- b 1 2 3 2 X , X . -p b 1 3 2 2 X 3X 3 n X 3
Rl.23 = -------------------------------------- ------------------------
2X n X*j
E n correlacin m ltip le no tien e sentido el signo de R , ya que

puede h ab er variables que in fluyan positiva o n egativam en te en
la v ariable d ependiente.
En cu an to a la form a de clcu lo del e rro r de p royeccin , 1 1 0 d i
fiere de los vistos an terio rm e n te ; la d iferen cia en tre n u m erad o r y
d en o m in ad or es n veces la v arianza no e xp licad a.
E n el caso de co rrelacin m ltip le se presenta un p rob lem a p a r
ticu lar origin ad o p or la necesidad de d isponer de in d icacion es so
184 C O R R ELA C IO N
bre la asociacin neta existen te en tre la variab le d epen d ien te y

cad a u n a de las variables independientes. E l coeficien te de co rre
lacin m ltip le in d ica el grad o de asociacin que sim u ltn ea
m ente se p resen ta e n tre la v ariable d epen d ien te y las variables in
dependientes. U n coeficien te de co rrelaci n sim ple in d ica el grad o
de asociacin en tre dos variables: depen d ien te e ind epen d ien te,
pero sin elim in ar o d e p u ra r estad sticam en te la asociacin en tre
am bas variables de la in flu en cia de o tras q u e act a n a travs de
la variab le in d ep en d ien te. P o r ejem plo, p uede h a b e r u n a a lta co
rrelacin en tre la ca n tid a d ven dida de u n artcu lo y su p re cio ; pero
esta asociacin p uede d ism inu ir en fo rm a su stan cial al elim in ar
exp lcitam en te la in flu en cia de la variab le p recio de un sustituto.
E ste con cep to de asociacin n e ta o d ep u rad a se cu an tifica a tra
vs del coeficien te de co rrelaci n p a rcia l q ue, en el caso de tres
variables, se define de la siguiente m an era:
r i .23 rep resen ta la asociacin en tre las variables X j y X 2, elim i

n an d o estad sticam en te la in flu en cia de la variab le X , . E n efecto,
si se observa el n u m erad o r, se concluye que rep resen ta el in cre
m en to en la v arian za e xp licad a al in clu ir la variab le X .,. Este in
crem en to se co m p a ra con la varianza que d ejab a sin e x p lica r la
variable X 3. Sustituyendo el n u m erad o r p o r varianzas totales y no
exp licad as se tiene:
'X s 1 .3
'X s 1 . 2 3
= 1-
E l o tro coeficien te de co rrelaci n p arcial se define
02 c2 02
X (! 1 . 2 3 3 'X
Xc 1 .2
.2 a 'X
Xs 1 .2 3
= 1-
X s 1 .2 'X s 1 .2
C on todos estos estadgrafos, en el caso de tres variables se tiene

u n co n ju n to de in d icad ores com p lem en tarios que p erm iten ob te-
n r conclusiones objetivas. P o r u n a p arte, se dispone de tres coefi-
C O R R EL A C I N M U L T IP L E 185
cientes de co rrelaci n sim ple: r 12, r 13, r.JS; adem s dos coeficientes
de co rrelaci n p a rcia l: r J2 3 y r 13 2; p o r ltim o u n coeficien te de
co rrelaci n m ltip le: R 123. P o r o tra p a rte , se dispone de todos
los errores de proyeccin correspon d ien tes que p e rm itir n o b ten er
in tervalos p ara las proyecciones.
L as relacion es que se p lan tean en tre estos coeficientes de co rre
laci n p erm iten realizar anlisis de consistencia. C u alq u ier coefi
cien te de co rrelaci n p arcial es m en o r, y a lo sum o igu al, que un
coeficien te de co rrelaci n sim ple, p o r la elim in acin e x p lcita de
la in flu en cia de o tras variables:
U n coeficien te de co rrelaci n m ltip le ser siem pre m ayor, o

p o r lo m enos igu al, que u n coeficien te de co rrelaci n sim ple,
p o r el h ech o que aq ul tom a en cu en ta un m ay o r n m ero de va
riables in dependientes que e x p lica n la v ariab ilid ad de la v ariable
depen d ien te.
2] C o rrelaci n en u n h ip erp lan o de regresin.

C u an d o se tien en m s de dos v ariables independientes, se presen
ta el caso gen eral de la co rrelaci n m ltip le ; los con ceptos an a li
zados p ara el caso de tres variables son tam bin aplicables al caso
gen eral. L o que o cu rre es q u e si se consideran m uchas variables
independientes se d ificu lta un ta n to el anlisis, y el clcu lo de es
tadgrafos, cu an d o no se dispone de co m p u tad o res, re su lta en e x
trem o lab orioso. E n tod o caso, a co n tin u aci n se p resen tan las
frm ulas de los estradgrafos m s im p o rtan tes p ara una ecu acin
linea] que considera 3 variables in dependientes, es .decir:
ai .234 2 X j -f- b12 S4 2 X j X 2 -f- b]< 24 2 X ,X 3

+
2 X * - n X'i
E l e rro r de proyeccin se ca lcu la reco rd an d o que la diferencia

entre numerador y denominador de la formula anterior es n veces

la varianza no explicada.
Los coeficientes de correlacin parcial, aislando el efecto de dos
variables, son los siguientes:
C- (2
a Xo 1 .2 3 4 - X i- 1 .3 4
11 2 . 3 4
Sxs 1 .3 4
Si 1 .2 3 4
^sX2c 1 .2 4
11 3 .2 4 -- 02
S X s 1 .2 4
C2
2
SI, 1 .2 3 4 3 Xc 1 .2 3
r 4 .2 3
Sh 1 .2 3
Puede definirse otro tipo de coeficientes de

donde se asla el efecto de una variable:
Si! 1 .2 3 4
aS2
X<! 1 .4
rv --
* 1 2 3 . 4 --
Sx 1 .4
02
t-2 --
Si 1 .2 3 4 S X 1 .2
* 1 3 4 .2
SL-1.2
0 Si* 1 .2 3 4
S2
a Xc 1 .3
r l2 4 .3 c2
.Vs |,.*{
3] Correlacin mltiple logartmica

La linealidad de los planos de regresin ya vistos puede no ser
adecuada en muchos problemas de estimacin; en esos casos es
conveniente probar con otro tipo de funciones, como por ejemplo:
X. = a,.,, + b,2, t X 2 + b ,:, 2 X??
La metodologa que [lerinite obtener ecuaciones normales .para

determinar los parmetros de regresin y la deduccin de las frmu
las de coeficientes de correlacin mltiples y parciales, es la misma
que se present en pginas anteriores. Con ecuaciones del tipo que
ahora se muestra puede representarse adecuadamente la relacin
entre las variables.
Sin embargo, una funcin que es muy utilizada en los problemas
de proyeccin es la llamada funcin logartmica:
ETAPAS DE LA C O N S T R U C C I N 187
X lc = a x 20 X 3?
Para poder aplicar la metodologa de los mnimos cuadrados, es

necesario previamente linealizar esta funcin, aplicando loga
ritmos.
log X lc = log a + p log X 2 - f y log X 3
La funcin as linealizada es similar al caso de correlacin ml

tiple lineal; la nica diferencia radica en el hecho de que en los
cmputos deben tomarse los logaritmos de las variables. El coefi
ciente de correlacin mltiple logartmico, por analoga con el caso
de correlacin mltiple lineal (siendo log a = a *) es:
u2 _ a * 2 log X x + p 2 log X j log X 2

J*log(1.23) -- ------------------------------ -----------
^ (log X t)2 n log Xy
y2 log X x log X 3 - n log Xi

2 (logX ,)2 n ogX 2,
La diferencia entre numerador y denominador resulta ser n ve

ces la varianza no explicada. Esta funcin tiene amplias posibili
dades de ser aplicada por el hecho que los parmetros P y y son
coeficientes de elasticidad entre las variables X x y X 2 y las va
riables X x y X. respectivamente. Esta ecuacin ser tratada con
ms detalle, en el captulo correspondiente a las proyecciones por
coeficientes de elasticidad.
En cuanto a los coeficientes de correlacin parcial, tampoco
aparecen diferencias, ya que la metodologa de deduccin y clculo
no vara, mas lo que no debe descuidarse en el trabaj con los lo
garitmos de las variables es que deben tener una precisin equi
valente a los 6 decimales.
H. ET A P A S DE LA CONSTRUCCIN DE UN M O D ELO DE REGRESIN Y

CORRELACIN
Es necesario diferenciar dos tipos de moledos de regresin en lo

tocante al objetivo que persiguen: los m odelos de anlisis, utiliza
dos para cuantificar relaciones y explicar adecuadamente qu su
cedi con una variable en trminos de otras variables que tienen
influencia sobre aqulla, y los m odelos predictivos que adems de
ser tiles en el anlisis estn diseados para predecir o estimar

valores de la variable dependiente en trminos de las variables
independientes en el supuesto de que se conoce su comportamiento.
Adems, es conveniente distinguir entre modelos tem porales y
atem porales. Los primeros son aquellos que analizan y estiman va
lores en el tiempo, por ejemplo, estimacin de los precios agrcolas
del prximo ao en funcin de las siembras y la poltica de im
portaciones. Los modelos atemporales, en cambio, no toman en
cuenta explcita ni implcitamente la variable tiempo: son cortes
transversales; sera ste el caso de la estimacin de los consumos fa
miliares en funcin de la variable ingreso, pero teniendo como
datos los consumos e ingresos de una muestra en un momento o pe
rodo dado.
La metodologa que a continuacin se presenta tiene aplica
cin general; con todo, se aclararn aquellos puntos que son ms
crticos en uno y otro tipo de modelo.
1] El primer punto, obviamente es la determ inacin clara y p re

cisa del objetivo del estadio. Es necesario especificar los objetivos
de la investigacin general y los objetivos del anlisis de regresin
y correlacin en particular. En esencia es necesario responder a las
interrogantes en qu se utilizar el modelo?, qu se pretende de
mostrar por medio de la regresin y correlacin?
2] Una vez aclarado el primer punto bsico, se hace necesaria
una evaluacin lgica para determinar qu variables deben in
corporarse al anlisis. En principio deben tomarse en cuenta todas
las que razonablemente pueden estar asociadas a la variable que
se estudia.
3] A continuacin se procede a recopilar las estadsticas, ya sea
histricas, cuando se trata de modelos temporales, o las estadsticas
pertinentes si se trata de un modelo atemporal.
4] Siempre es indispensable un anlisis de la calidad, de los da
tos recolectados. Ya aqu quedan eliminadas algunas de las varia
bles que, en principio, fueron seleccionadas, por el hecho que sus
valores pueden no ser confiables; por otra parte, pueden haber al
gunas variables que, pese a ser confiables, no pueden tomarse en
cuenta porque constituyen muy pocas obsen/aciones. Sobre este
punto hay que decidir ciil es el nmero mnimo de datos y ob
servaciones que puede considerarse satisfactorio. Recurdese que
tamaos de muestra insuficientes conducen a resultados errneos.
En los modelos temporales no puede pensarse en un nmero in
ferior a las 10 o 12 observaciones (puntos en el tiempo). Adems,
en los modelos predictivos, el nmero de variables independientes
E T A P A S D E LA CO N STRU CCI N 189
est condicionado por la posibilidad de disponer con cierta con

fianza de valores futuros de tales variables.
5] Las variables restantes deben ser depuradas de otras variables
que actan a travs de stas. Como se apunt) antes, es indispensa
ble trabajar con series que representen valor real o quantum. La
consideracin de valores nominales exagera la correlacin por el
hecho de que la variable inflacin o alzas de precios puede actuar
sobre la variable dependiente y, simultneamente, sobre las va
riables independientes. Es conveniente tambin, en lo posible, re
presentar las series en trminos por habitante, si no hubiera un
propsito especfico para hacerlo de otra manera.
6] Una vez que se dispone de las estadsticas de las principales
variables depuradas, se hace necesario determinar la forma y cuan-
tificar el grado de la asociacin siemple que cada una de estas va
riables tenga con la variable dependiente estudiada. Tambin pue
de ser conveniente calcular los coeficientes de correlacin simple
entre las variables independientes para advertir las posibles depen
dencias que existan entre ellas. A esta altura del anlisis ya se
tiene bastante definido el campo de la posible metodologa que
finalmente se utilizar; por lo menos, se habr decidido si se trata
de correlacim simple o mltiple.
7] Otro punto de gran importancia es la determinacin de la
forma general de la funcin. Si se trata de correlacin simple, ser
til la representacin grfica, es decir, con la ayuda del diagrama
de dispersin puede solucionarse adecuadamente este problema.
Si se trata, en cambio, de correlacin mltiple, hay que considerar
principalmente los coeficientes cuantiicados en el punto 5 y las for
mas particulares de relacin entre las variables. A veces se dispone-
de m odelos tericos ya probados, donde slo se requiere comprobar
si tal teora corresponde al caso que se estudia; por ejemplo, la fun
cin consumo de Friedman, donde ya se tienen especificadas las
variables indejjendientes y la forma de la funcim, y slo resta
calcular el valor de los parmetros. El caso ms corriente es deter
minar la funcim (formulacin de la teora), primero en trminos
conceptuales y, segundo, cunntificando resultados. En los modelos
temporales un punto delicado es la especificacim de las asincro-
nas entre las variables. Por ejemplo, la produccin del perodo t
podra depender de la inversim del perodo t a, donde a
indicara el tiempo de maduracim de la inversim. La representa
cin grfica por parejas de variables (dependiente o independiente)
puede ayudar a la especificacim mencionada.
8] El paso siguiente es la cuantificacin de estadgrafos: medias,
varianzas, coeficientes de correlacin simples, mltiples, parciales,
19 0 C O RR ELA C I N
errores de proyeccin y, por ltimo, la estimacin en los modelos

predictivos y el anlisis en los modelos descriptivos. Es convenien
te tambin calcular, por medio de la ecuacin de regresin, los va
lores de la variable dependiente en trminos de los valores conoci
dos en la variable independiente, para compararlos con valores
observados y analizar la bondad del ajuste. Las formulaciones de
pruebas de consistencia entre los estadgrafos calculados constitu
yen, tal vez, los puntos ms descuidados en los anlisis de regre
sin y correlacin. Por otra parte, es aqu donde cabe calificar el
anlisis a la luz ele las cuantificaciones apropiadas. Es conveniente
comparar la magnitud de los errores con los valores calculados, es
tableciendo porcentualmente la cuanta de los probables desvos.
9] Finalmente, en la presentacin de los resultados es imprescin
dible destacar:
a) Clara definicin de las variables;
b) Tamao de muestra y tipo de modelos;
c) Forma de la funcin;
d) Estadgrafos pertinentes.
No se debe dejar de sealar las limitaciones particulares del mto
do, los supuestos utilizados y las fuentes de obtencin de infor
maciones.
1. M TO D O DE ESTIM A C I N P O R M ED IO D EL C O E F IC IE N T E DE ELASTICIDAD
1] Presentacin conceptual
Un mtodo muy utilizado en proyecciones de variables socioeco
nmicas es el que utiliza el coeficiente de elasticidad entre las va
riables. El coeficiente de elasticidad se define como
dY
~~ dY X X
~ ~cLX ~ d Y Y~ Y
~x~
Como puede observarse, el coeficiente de elasticidad es una m edida
de cam bios porcentuales experimentados por una variable Y (de
pendiente) ante cambios porcentuales de una variable X (in
dependiente).
En la definicin est implcita la funcin que relaciona ambas
M T O D O DE E ST IM A C I N 191
variables. Desde un punto de vista estricto, se trata de un cociente

entre cambios porcentuales infinitesimales; cuando se trata de es
timar valores de una variable, no interesan los cambios demasiado
pequeos, sino los cambios significativos.
El objetivo inmediato ser, entonces, encontrar funciones donde
el coeficiente de elasticidad sea constante en cualquier punto de
la funcin. Solamente tal tipo de funciones podrn ser utilizadas
en la proyeccin, ya que de otra manera el coeficiente de elastici
dad variar para cada punto de la funcin haciendo impracticable
la proyeccin.
Si la funcin es una recta, el coeficiente de elasticidad no es
constante, como se ve a continuacin.
Y= a X + b
dY
= a
clX
dY X X
"dX~ Y ~ d "
pero Y = a X -)- b
X
Como puede observarse, el coeficiente de elasticidad E est en

funcin de X, y tomar un valor distinto para cada valor de X . Si
la funcin es una hiprbola equiltera, se tiene:
a
Y = - = a X -
X
dY
= - a X -
dX
cl Y X X
E = ------ = - a X-*
dX Y a
X-
E = - a X * ---- = - 1
a
El resultado se interpreta de modo tal que aumentos porcentuales

en la variable independiente determinen disminuciones de igual
magnitud porcentual en la variable dependiente. En este resulta
do, en consecuencia, puede estimarse cualquier valor de la variable
dependiente, si se supone conocido un valor de la variable inde
pendiente. En la funcin potencial general tambin puede verifi
carse la constancia del coeficiente de elasticidad. En efecto,
Y = b Xa
dY
ab X a1
dX
dY X X
E = ------ = ab X a-1
dX Y Y
pero Y = b X a
E = ab X a-1 = a
b Xa
El hecho de que el coeficiente de elasticidad sea constante en esta

funcin hace que se la utilice peridicamente e las proyecciones.
La proyeccin sebasa en lo siguiente:
Dada lafuncin: Y = bX*
Aplicando logaritmos: log Y = log b a log X
Las relaciones correspondientes al ao 0 (base de proyeccin)
y al ao n (perodo para el que se quiere estimar la variable de
pendiente), son las siguientes:
log Y0 = log b -J- a log X 0
log Yu= log b + a log X u
Restando la primera de la segunda se tiene:
log Y - log Yo = a (log X - log X 0)
El antilogaritmo de la relacin anterior

Observando la frmula puede concluirse que los cambios porcen
tuales en la variable dependiente son equivalentes a los cambios
porcentuales en la variable independiente, elevados a la potencia
a. A veces, suele interpretarse errneamente la relacin potencial;
por ejemplo, si a = 2, se dice que un cambio de 0 por ciento en X
determinar un cambio de 100 por ciento en Y. Evidentemente, la
conclusin es falsa, porque ella supone una relacin de linealidad
entre las variables que est lejos de presentarse en este caso.
Los datos necesarios para proyectar mediante este mtodo son:
disponer del coeficiente de elasticidad (a), conocer el valor base
y dado de la variable independiente (X0 y X n), o por lo menos su
variacin porcentual. Con estos datos puede aplicarse la frmula
antes citada:
Por ejemplo, si a == 2
Y = 100
X 0 = 200
X n = 300
Remplazando:
Y = 225
2] T ipos de elasticidad
Es necesario distinguir el tipo de elasticidad segn las variables
consideradas. De este modo, si la variable Y representa consumos
y la variable X representa ingresos, se habla de elasticidad ingreso
del consumo o de la demanda. Por otra parte, si la variable X re
presenta consumo y la variable Y representa consumo especfico de
un bien o conjunto de bienes similares, se habla de elasticidad gasto
del consumo especfico. Estos dos son los conceptos ms conocidos
y utilizados. Sin embargo, segn las denominaciones de las varia
bles puede hablarse de otros tipos distintos de elasticidad, como
194 CO RR ELA C I N
por ejemplo, elasticidad de la tributacin al ingreso, elasticidad del

ahorro al producto, de las importaciones al tipo de cambio, etc.
3] M todos d e clculo
A continuacin se presentarn las formas de clculo del coefi
ciente de elasticidad. Cuando se est utilizando la forma general
de proyeccin,
implcitamente se estn aceptando dos supuestos: a) que las va

riables estn relacionadas mediante la funcin potencial; b) que
el coeficiente de correlacin entre los logaritmos de X y de Y sea
significativo. El cumplimiento de estos supuestos garantiza una
buena proyeccin.
De lo anterior se deduce que una forma de obtener el coeficiente
de elasticidad consiste en ajustar la funcin potencial, por el m
todo de mnimos cuadrados, a los datos retrospectivos de que se
disponga. Es decir, dada
Y = b X *
el ajuste a una nube conocida de puntos permitir calcular los

parmetros.
El valor de "a corresponde, como se demostr, al coeficiente de
elasticidad. Existe una forma aproximada de estimar este coefi
ciente de elasticidad por el mtodo grfico. En la expresin:
log Y = log b -f- a log X
el coeficiente de elasticidad es el coeficiente angular de la recta

logartmica.
Si los puntos retrospectivos de que se dispone se representan en es
calas logartmicas, es posible a simple vista ajustar la recta tra
tando de aproximarse a la recta minimocuadrtica.
* A la p a rte fin a l d e este c a p tu lo se ag reg a u n a e x p o sic i n so b re las d i

fe re n c ia s d e la s p ro y eccio n es a travs d e ecu a cio n es d e re g re si n y de c o e fi
cien tes d e e la stic id a d .
MTODO DE ESTIM ACIN 195
GR FICA 25
La recta ajustada a ojo puede entregar estimaciones muy cer

canas al valor efectivo con un ahorro de tiempo considerable. La
manera de obtener el valor de a es la siguiente:
f
a = T g a =
k
donde f es el cateto opuesto al ngulo a en el tringulo del grfico

m edido en centm etros u otras unidades de longitud, y k es el cateto
adyacente al ngulo a, tambin medido en las mismas unidades de
f. El cociente dar la inclinacin de la recta logartmica y, por con
siguiente, el coeficiente de elasticidad. La bondad de esta estimacin
depende de la habilidad y cuidado que se tenga para hacer pasar la
recta por entre los puntos, de manera que se minimice el cuadrado
de las diferencias.
Cualquiera de los dos mtodos anteriores supone disponer de
estadsticas retrospectivas. Ocurre con frecuencia que es necesario
proyectar variables para las cuales no es posible recopilar suficien
tes antecedentes que permitan garantizar una cierta representativi
dad del coeficiente de elasticidad.
En estos casos es corriente utilizar com paraciones internacionales,
eligiendo pases que tengan similitudes marcadas con el pas cuya
proyeccin se necesita hacer. Por ejemplo, es posible utilizar el
coeficiente de elasticidad gasto del consumo de artefactos elctri
cos en Colombia, al realizar una primera estimacin para Chile;
entre ambos pases existen caractersticas comunes en cuanto a po
blacin y su concentracin, nivel de ingreso, grado de industria
19 6 C O R R ELA C I N
lizacin, etc. Otra manera sera seleccionar un conjunto de pases

dentro de un rango de nivel de ingreso comparable al del pas con
siderado y calcular el coeficiente de elasticidad por los mtodos
anteriores, contando con informaciones de estos pases en vez de
las estadsticas retrospectivas mencionadas. Este mtodo es conocido
con el nombre de estimacin del coeficiente de elasticidad por me
dio de datos internacionales; el ltimo mtodo tiene por objetivo
generalmente la estimacin de coeficientes de elasticidad ingreso
de la demanda. Por ltimo, otra manera de cuantificar coeficien
tes de elasticidad, principalmente elasticidad gasto, es la realiza
cin de muestras en un perodo dado, con las cuales se averigua
los valores que toman las variables que interesa analizar y pro
yectar. Si bien el hecho de calcular un coeficiente de corte trans
versal en el tiempo y utilizarlo en proyecciones hacia el futuro,
tiene limitaciones, hay que reconocer que si se tiene buen cuidado
de definir las unidades mustrales de manera tal que reflejen in
ternamente las condiciones cie una cierta dinmica, las proyeccio
nes no sern distorsionadas seriamente. Con anterioridad deben
realizarse pruebas sobre la racionalidad y consistencia de los re
sultados alcanzables.
4] La ecuacin de regresin y el coeficiente de elasticidad com o

instrumentos de proyeccin.*
Como se lia visto, la ecuacin de regresin puede utilizarse di
rectamente como instrumento para estimar valores futuros de la
variable dependiente, una vez planteadas determinadas hiptesis
sobre el comportamiento de la variable independiente. Cabra dis
cutir entonces qu diferencia existira entre utilizar la ecuacin
de regresin o el coeficiente de elasticidad como instrumento de
proyeccin, por ejemplo, de la demanda de un bien en funcin
del ingreso. En primer trmino, la ecuacin de regresin es de
aplicabilidad mucho ms general, ya que podra utilizarse cual
quiera que fuese la forma de relacin que se admita entre las clos
variables; desde este punto de vista, el concepto de elasticidad 110
sera sino un caso particular donde, como se ha visto, se admite
una relacin logartmica.
Podra suceder, sin embargo, que en determinados casos prcti
cos no pudiera disponerse de la ecuacin de regresin correspon
diente; en cambio, s utilizar una estimacin del coeficiente de
elasticidad. Si slo se tienen las cifras globales de consumo e in
greso para un nico perodo reciente, podran por ejemplo utili-
* t i te x to del p u n to 4 es del p ro feso r P ed ro V uskovir,

/arse coeficientes de elasticidad deducidos de las experiencias de

otros pases de condiciones similares.
Aun cuando se dispusiera de los dos intrumentos ecuacin de
regresin y coeficiente de elasticidad-ingreso y se admitiera una
relacin logartmica, los resultados de las proyecciones a que con
duciran uno y otro seran diferentes en la generalidad de los ca
sos. Supngase, por ejemplo, que las comparaciones correspon
dientes se hayan referido al consumo de determinado bien en pases
con distinto nivel de ingreso (pases 1, 2, 3, . . . en la grfica si
guiente; interesa para la proyeccin, el pas 1).
y: consumo por habitante

x; ingreso por habitante
g r f ic a 26
En la medida en que la relacin entre las dos variables est ms

alejada de la lnea de regresin en el pas que interesa para las
proyecciones, mayor sera la diferencia a que se llegue utilizando
la ecuacin de regresin y el coeficiente de elasticidad como ins
trumento de proyeccin. Si, como en la grfica anterior, la rela
cin est en ese pas por debajo de la lnea de regresin, ello signi
ficara que existe all un consumo relativamente bajo (en compa
racin con el nivel de ingreso) del bien considerado; una estimacin
del consumo futuro basado sobre la ecuacin de regresin supon
dra que tal situacin se eliminara, y el consumo tendera a au
mentai no slo por efecto del incremento del ingreso, sino tambin
para superar ese retraso relativo; la utilizacin del coeficiente de
elasticidad, en cambio, equivaldra a admitir que el consumo au-
mentar slo por el efecto ingreso, pero que continuar registrn

dose un consumo relativamente bajo (en comparacin con el nue
vo nivel de ingreso).
En otras palabras, al aumentar el ingreso de X t a X 2 en la ecua
cin de regresin, se admite un aumento del consumo de Yt a Yc2.
En el primer caso, se supone que el nuevo nivel del consumo co
rresponder exactamente al valor dado por la ecuacin de regre
sin; en el segundo, se admite que perdurar una discrepancia en
tre el /a;or terico (dado por la ecuacin de regresin y el valor
efectivo proporcionalmente igual al que existir en el perodo base).
Es d ;f:il juzgar en trminos generales cul de los dos mtodos
podra ser ms adecuado ante una situacin de esta ndole. Si el
nivel relativamente bajo del consumo en el pas considerado es
atribuible a limitaciones de la oferta, u otros factores de carc
ter temporal, podra ser ms adecuada la proyeccin basada sobre
la ecuacin de regresin; si se debe, en cambio, a diferencias en
materia de hbitos de los consumidores, a factores climticos u
otros de carcter relativamente permanente, seria ms adecuada
la proyeccin basada en el coeficiente de elasticidad. Aun en el
primer raso sera necesario tener en cuenta si el periodo al que se
refiere la proyeccin es lo suficientemente prolongado como para
que lleguen a eliminarse los efectos adversos de los factores tem
porales. Las diferencias anotadas entre los dos mtodos de proyec
cin podran presentarse tambin en el caso que todo el anlisis
se hubiera basado en series cronolgicas correspondientes a un
mismo pas, puesto que las cifras correspondientes al perodo to
mado como base seguramente sern diferentes de los valores te
ricos dados por la ecuacin de regresin.
g r f ic a 27
La interpretacin sera, sin embargo, algo diferente, si se trata

de un mismo pas; el consumo relativamente bajo (o relativamente
elevado) registrado en el perodo base sera, con mayor probabili

dad, atribuible a factores de carcter temporal. En consecuencia,
podra considerarse como ms adecuada la proyeccin basada sobre
la ecuacin de regresin.
De modo que, en trminos generales, la utilizacin de la ecuacin
de regresin y del coeficiente de elasticidad conducir en la mayor
parte de los casos a proyecciones diferentes, sin que resulte posible
precisar cul de las dos tendra que considerarse ms adecuada.
Esto puede llevar a la proyeccin de un intervalo probable para
la variable dependiente, basado no en la magnitud del error estn
dar de estimacin, sino en la diferencia entre la proyeccin obte
nida con la ecuacin de regresin y la proyeccin a que conduce
la aplicacin del coeficiente de elasticidad.
La grfica anterior y la siguiente ilustran esta alternativa; en el
primer caso se utilizan la ecuacin de regresin y el error estndar
de estimacin para proyectar el intervalo correspondiente. Al uti
lizar Yc Cys se est admitiendo no slo que se elimina el bajo
g r f ic a 28
consumo relativo registrado durante el perodo base o en el pas

correspondiente (si se trata de una comparacin internacional),
sino que adems se estima como probable que llegue a registrarse
un consumo relativamente elevado durante el perodo abarcado
por la proyeccin. Es evidente que las posibilidades prcticas de que
esto ocurra son muy limitadas.
En el segundo caso, se utilizan la ecuacin de regresin y el coefi
ciente de elasticidad, y se proyecta un intervalo delimitado por
estos dos valores. De este modo se estima un intervalo ms amplio
por debajo de la lnea de regresin y ninguno por encima de sta,
lo que parecera ms lgico en una situacin como la supuesta en

las grficas.
5] R elaciones y propiedades del coeficiente de elasticidad

a) El coeficiente de elasticidad ingreso del consumo est rela
cionado con las propensiones media y marginal al consumo de la
siguiente manera:
dY X
E = -------
dX Y
Si Y = consumo X = ingreso
dY
= Propensin marginal a consumir
dX
X
= Inverso de la propensin media al consumo
Luego
E = Propensin marginal
Propensin media
b) Si el consumo total X se divide en consumos parciales u,, u.>,

u3 . .. uk, de manera que,
2 u, = X,
in
la media aritmtica ponderada de las elasticidades gasto respecti

vas ser igual a la unidad.
La definicin de la elasticidad gasto en estos trminos es la si
guiente:
du X
Egi = --------'
dX ti
donde i = 1, 2, . . . k son los componentes del consumo total.
M [ E ,,] = 2 E s W i = 1
U|
donde Wi = (participacin porcentual del consunto especfico
X
del consumo total).
Remplazando Egl y Wi por las definiciones, se tiene:
2 d (uj) = d x, dado que la suma de las diferencias es equiva

lente a la diferencia de la suma:
d [2 u,] = cl X
recordando que 2 u = X
se tiene:
dX = d X
con lo que se comprueba la proposicin enunciada.
6] Elasticidad en regresin m ltiple

Parece oportuno presentar aqu el caso del clculo de elasticida
des simultneas para ms de una variable independiente. Es muy
frecuente tratar con funciones potenciales mltiples cuando se
deben encarar problemas de anlisis econmico; determinar, por
ejemplo, en forma simultnea cmo juegan las elasticidades con
respecto al precio y a] ingreso en sus relaciones con la cantidad
vendida; o cul es la elasticidad de la tributacin respecto a va
riaciones en las tasas y variaciones en el ingreso. El tratamiento
simultneo implica evitar la superposicin que podra presentarse
cuando se efectan clculos parciales por separado.
Sea la funcin:
y = xe wi-
La elasticidad X de Y se encontrar derivando parcialmente la
funcin respecto de X y multiplicando por la relacin ; en otras
palabras, aplicando la definicin de elasticidad.
202 CORRELACIN
E n la fu n c i n q u e se p re s e n ta h a b r d os e la s tic id a d e s : u n a q u e
r e la c io n a X c o n Y y o t r a q u e r e la c io n a W c o n Y .
P a r a e l p r im e r c a so es tie n e :
dY
r i a W r p X '1
dX
X
EâW TpX M
p e ro Y = a XP W ?
Luego,
Ex = a W ? p X 0 -1
aX P wr
Ex = P
P a r a el se g u n d o caso se tie n e :
W
Ew = a X P y W Y -1
a XP W r
Ew = Y
L o s e x p o n e n te s d e la fu n c i n p o te n c ia l m ltip le c o rre sp o n d e n a
los c o n c e p to s d e e la s tic id a d re sp e ctiv o s.
P a r a d e te r m in a r la m a g n itu d d e lo s p a r m e tr o s a , p, y, donde
los d o s ltim o s son las e la s tic id a d e s m e n c io n a d a s , se sig u e el m
to d o tr a d ic io n a l d e l a ju s te p o r m n im o s c u a d ra d o s . P re v ia m e n te
se r n e c e s a rio lin e a liz a r la fu n c i n a p lic a n d o los lo g a ritm o s , es
d e c ir:
lo g Y = lo g a -j- p lo g X -j- y lo g W
I n te re s a m in im iz a r la e x p re s i n :
Z = 2 (lo g Y j - lo g Y,.)2
Z = 2 (lo g Y , - lo g a - p lo x X- y lo g W ) 2
REGRESIN Y CORRELACIN 203
y h a c ie n d o
Z
= 0
lo g a
Z
= 0
P
Z
=0
y
se tie n e n las tre s e c u a c io n e s n o rm a le s q u e p e rm ite n d e te r m in a r los

p a r m e tr o s . E sta s e c u a c io n e s n o rm a le s son :
2 log Y, = n log a + P 2 log X , -)- y 2 log W,
2 (log Y) log X , = log a 2 log X - f p 2 (log X ,)2 - f y

2 log W, log X ,
2 lo g Yt lo g W = lo g a 2 lo g W -)- p 2 lo g X, lo g \Vj -J- y

2 (lo g W , ) 2
d o n d e Y , W , X son los v a lo re s o b se rv a d o s d e las tre s v a ria b le s ,

ya sea q u e c o rre s p o n d a n a v a lo re s en el tie m p o (te m p o r a l) o en el
e sp a cio (a te m p o r a l). L o s lm ite s d e las s u m a to ria s c o rre s p o n d e n al
to ta l d e o b s e rv a c io n e s q u e se d isp o n g a s im u lt n e a m e n te so b re las
tre s v a ria b le s .
C o n u n a fu n ci n a ju s ta d a d e esa m a n e ra , p u e d e n re a liz a rse p r o
yeccio n es y an lisis e n tre las v a ria b le s . P a r a las p ro y e cc io n e s , c o m o
en el caso d e re g re s i n sim p le , q u e d a la a l te r n a tiv a d e h a c e r lo a
tra v s d e la e c u a c i n d e re g re si n o a tra v s d e los c o e fic ie n te s de
ela s tic id a d .
P a r a p ro y e c ta r p o r m e d io d e la e c u a c i n d e re g re s i n , b a s ta r
c o n fija r e x g e n a m e n te el c o m p o r ta m ie n to d e las v a ria b le s in d e
p e n d ie n te s y r e m p la z a r ta le s v a lo re s en la fu n ci n . Si se d esea
p ro y e c ta r a tra v s d e los c o e fic ie n te s d e e la s tic id a d se tie n e p a ra
el p e rio d o 0 :
!g Y0 = log a + p log X 0 + y log W 0
p a ra el perodo n:
log Yn = log a + p log X + y log W

204 CORRELACIN
re s ta n d o a m b a s e c u a c io n e s:
lo g Y - lo g Y = (i(lo g X - lo g X ) -f- y [lo g W - lo g W (J]
E l a n tilo g a r itm o d e la a n te r io r re la c i n c o n d u c e a
q u e es la f rm u la b sica d e p ro y e cc i n a tra v s d e c o e fic ie n te s de

e la s tic id a d en el caso d e m s d e u n a v a ria b le in d e p e n d ie n te . C o m o
e je m p lo d e u n a p ro y e c c i n tie este tip o , a d m ta n s e los sig u ie n te s c a
sos: Y v a r ia b le q u e re p re s e n ta la re c a u d a c i n e fe c tiv a t r i b u ta r ia ;
X v a r ia b le q u e re p re s e n ta la tasa tr ib u ta r ia p ro m e d io , y W el
P ro d u c to G e o g r f ic o re a l.
Si se tie n e n e s tim a cio n e s q u e el p ro d u c to c re c e r en los p r x i
m o s c i n to a o s en 2 0 p o r c ie n to , sien d o la e la s tic id a d p r o d u c to de
la trib u ta c i n u n ita r ia , y se tlesea a u m e n ta r la ta s a p ro m e d io en
44 p o r c ie n to , sien d o la e la s tic id a d tasa d e la tr ib u ta c i n e q u iv a
le n te a 0 .5 , el in c r e m e n to p o rc e n tu a l d e la r e c a u d a c i n tr ib u ta r ia
ser:
- 1 = ( I .4 4 ) 0:"' (1 .2 0 )* - 1
Y
1 = (1 .2 ) (1 .2 ) - 1 = 1.44 - 1 = 0 .4 4
Y
E v id e n te m e n te q u e el tr a ta m ie n to p u e d e e x te n d e r s e a m s de
d os v a ria b le s in d e p e n d ie n te s. L a m e to d o lo g a p re s e n ta d a p u e d e f
c ilm e n te a m p lia rs e a tales casos.
7] . i m i t a c i o n e s e n la u t i l i z a c i n d c c o e f i c i e n t e s d e e l a s t i c i d a d
P ese a la p ro lu s a , y q u iz h a sta e x a g e r a d a u tiliz a c i n d e c o e fi

cie n te s de e la s tic id a d en las p ro y e cc io n e s e c o n m ic a s , c a b e r e c o n o
c e r q u e su a p lic a c i n , en p ases d o n d e se re g is tra n c a m b io s p o litic o
e c o n m ic o s c o n in u s ita d a fre c u e n c ia , tien e serias lim ita c io n e s. Se
tr a t a r el caso p rin c ip a l d e los c o e fic ie n te s d e e la s tic id a d in g reso .
U n c o e fic ie n te de este tip o c a lc u la d o , p o r e je m p lo , co n e sta d stica s
re tro s p e c tiv a s , l le v a i m p l c i t a la d i s t r i b u c i n d e i n g r e s o s y e s tru c
tu r a d e p re fe re n c ia s d e los c o n su m id o re s d u r a n te el p e ro d o q u e
TEM A S DE DISCUCIN 205
c o m p re n d e n las e sta d stica s re tro s p e c tiv a s . S u rg e u n a o b je c i n in

m e d ia ta c u a n d o se p ien sa en p ro y e cc io n e s h a c ia el f u t u r o cu y o
o b je tiv o p u ed e ser p re c isa m e n te m o d if ic a r esa d is trib u c i n d e in
gresos. Ig u a l o b je c i n p u e d e h a ce rse a las p ro y e cc io n e s p o r m e d io
d e c o e fic ie n te s d e e la s tic id a d c a lc u la d o s a p a r t i r d e m u e s tra s de
c o r te tra n s v e rs a l en el tie m p o . D e ig u a l m a n e ra los c o e fic ie n te s de
e la s tic id a d re s u lta n te s d e c o m p a ra c io n e s in te rn a c io n a le s lle v a n im
p lc ita la d is trib u c i n d e in gresos d e los p ases co n sid e ra d o s.
E l p ro b le m a d e las p ro y e cc io n e s s u p o n e u n m to d o d e a p r o x im a
cio n es su cesiv as; los tres m to d o s p la n te a d o s p a r a c a lc u la r c o e fi
c ie n te s d e e la s tic id a d n o son m to d o s a lte rn a tiv o s sin o c o m p le
m e n ta rio s . U n c o e fic ie n te c a lc u la d o a tra v s d e e sta d stica s re tr o s
p e ctiv a s p u e d e ser c o rr e g id o p o r m u e s tra s sucesiv as q u e re g istre n
los c a m b io s en la d is trib u c i n d e in gresos. P o r o tr a p a rte , la u ti
lizaci n d e c o e fic ie n te s in te rn a c io n a le s s u p o n e se g u ir las -d istri
b u cio n e s d e in g reso s d e los p ases c o n sid e ra d o s y, en d e te rm in a d o s
caso s, esa te n d e n c ia p u e d e n o e s ta r d e m a s ia d o a p a r ta d a d e los p la
n es q u e so b re esta m a te r ia se fo rm u le n . E n g e n e ra l, p u e d e lleg arse
a p ro y e cc io n e s ra z o n a b le s c o n s id e ra n d o el p ro b le m a c o m o u n m to
d o ite r a tiv o s u je to a rev isio n es p e ri d ic a s. E n los m o d e lo s te m p o
ra le s, el transcurso del tiempo proporciona nuevas informaciones,
q u e , a l to m a rs e e n c u e n ta , m o d if ic a n las p ro y e cc io n e s a m e d io y a
la rg o p lazo . se d e b e ra ser el v e r d a d e ro s e n tid o de las p ro y e c c io
nes y n o la e s tim a ci n e s p o r d ica . E n las in s titu cio n e s m s a v a n
zad as e x is te n e q u ip o s d e t c n ic o s q u e estn d e d ica d o s p e rm a n e n
te m e n te a p re p a ra r, c o rr e g ir, re v isa r e in te g ra r m o d e lo s p re d ictiv o s.
C o m o re g la g e n e ra l, p a ra c a lif ic a r u n a p ro y e c c i n , d e b e ra es
ta b le ce rs e , p o r u n a p a rte , un m n im a ra z o n a b le d e c o n fia b ilid a d
en la p ro y e cci n , p o rq u e m a la s p ro y e ccio n e s en g e n e ra l p u ed en
o c a s io n a r serios p e rju ic io s ; p o r o tr a p a rte , a u n q u e se c a re z c a d e es
tim a c io n e s c e rte ra s , d is p o n e r de a p ro x im a c io n e s , aunque b u r
d as, sie m p re ser m e jo r q u e el d e sc o n o c e r o ig n o r a r las c a r a c te r s
tica s d e u n fe n m e n o en el fu tu ro .
TEMAS DE DISCUSIN
Indique si las siguientes afirmaciones son ciertas o falsas, y justifique

su opinin.
1] Si la covarianza toma un valor negativo, el coeficiente de correla
cin es imaginario.
2] Eos siguientes datos son consistentes en correlacin rectilnea:
206 CORRELACIN
ar x ax r = 0.08
S2xc = 16
3] E l error de proyeccin puede tom ar valores superiores a la unidad.

4] L a flexibilidad de la funcin potencial hace que los coeficientes
de correlacin sean siempre mayores que si el ajuste hubiese sido
a una recta.
Yc = 0.2 X 4 V [X ] == 50 X = 30
2 Y .X , = 50 n
6] E n la siguiente funcin:
X, = 4 + 2 X2 + 0.1 X 3
el coeficiente de correlacin simple en tre X t y X 2 ser m ayor que el

coeficiente de correlacin simple en tre X y y X 3.
Yc = 0.4 X - f 4 (Y en X )
Xc = 2.4 Y - 3 (X en Y)
V (Y ) = 20 E rro r de proyeccin: 2
V [X ] = 16 r = 0.3 Sys = 6 Yc = 2 X , -f 5
9] L a ecuacin norm al de la funcin Yc = a X , es 2 Y , = a 2 X
X = Y
V [X ,] = 50
11] Si las varianzas explicada y no explicada son iguales, el coeficiente

de correlacin ser superior a 0.5.
PR O BLEM A S PROPUESTOS 207
a
12] D ada la funcin Y = , la ecuacin norm al correspondiente ser:
1
2 Y: = a 2 _
X
13] Los siguientes datos son perfectam ente consistentes:
s X2 c 1.234 = 200 S2Xs 1.23 = 80

_= 2 6 0 = 50
1 .2 3 ^ Xs 1.234
0 .8 0 0 .2 5
w
II
W
4*.
^ 1 .2 3 4
14] M ientras mayor nm ero de parm etros tenga la ecuacin d e regre

sin, ms alto ser el valor del coeficiente de correlacin.
15] U n coeficiente de correlacin de 0.95, indica siempre una asocia
cin significativa entre las variables.
16] Si el coeficiente de elasticidad ingreso de la dem anda de papel es
inferior a la unidad, quiere decir que el consumo de papel en
perodos futuros ser cada vez m enor en cantidades absolutas.
17] Si el gasto total de una com unidad se divide entre consumo esen
cial y no esencial, es razonable adm itir que, si los coeficientes de
elasticidad gasto respectivos son 1.4 y 0.6 el volumen del gasto se
distribuye entre ambos tipos de consumo, en partes iguales.
18] Si el producto interno bruto crece a una tasa de 8 % simple anual
y el valor agregado del sector construccin lo hace a una tasa
acum ulativa de 4 % anual, quiere decir que la participacin del
sector construccin, dentro del producto ser cada vez mayor.
PRO BLEM A S PRO PU ESTO S
I] L a ecuacin de regresin entre el consumo total y el ingreso total

de una regin, es la siguiente:
C= 40 - f 0.6 Y
En 1967 la propensin media al consumo es de 8 0 % ; el 2 0 % del

consumo total est constituido por productos importados, la elasti
cidad gasto del consumo de productos nacionales es de 0.8. Si se
estima que el ingreso en 1972 ser un 4 0 % m ayor que en 1967,
cul ser el valor tie las im portaciones de bienes de consumo
en 1972?
208 CORRELACIN
2] El ajuste entre consumo (C) y consumo de artefactos (CA) .pro

porcion la siguiente funcin:
CA = 0.4 C!-3
Si el consumo de artefactos representa el 50% del total, qu

porcentaje del consumo representar cuando ste se duplique?
3] Sobre el consumo de acero en una regin, se tienen los siguientes
antecedentes:
V a lor d e l co n su m o
C o n su m o d e a c e r o d e acero
A os (m ile s d e to n ) ( m ili d e u .m . c o rrien tes )
1960 200 10
1961 250 15
1962 320 20
1963 400 28
Se pide calcular la tendencia rectilnea del ndice de precios del

acero (el tiempo como variable independiente) y estimar el valor
probable del ndice en 1965 con base en 1963.
4] Se desea estimar el monto de gastos en consumo de alimentos para
1967. Para ello se dispone de una'ecuacin de regresin entre el
ingreso real y el consumo total real del siguiente tipo:
C = 0.9 Y i
Por otra parte se sabe que la elasticidad gasto de alimentos es

de 0.8. Realice la proyeccin deseada si adems se sabe que el con
sumo en alimentos en el ao 1964 fue de 2 000 millones de uni
dades monetarias, siendo el siguiente el ndice de base variable
del ingreso real segn el Plan de Desarrollo:
1961 1965 1966 1967
---- 105 106 106
EJERCICIOS
1] A ju ste los sig u ie n te s d ato s:

PRO BLEM A S PROPUESTOS 209
Ingreso (Y) Consumo (C)

Aos (u.m. constantes)
1957 2.0 1.6

1958 2.1 1.7
1959 2-4 2.0
1960 2.4 2.1
1961 2.5 2.2
1962 2.8 2.5
1963 3.0 2.6
a) a una recta: C = a Y -)- b

b) a una potencial: C = b Y*
c) calcule los coeficientes de correlacin respectivos, comentando
los resultados;
d) calcule la tasa de crecimiento del consumo mediante la funcin:
C = a b
e) estime la propensin media al consumo en 1965 si admite que
el ingreso ser en ese perodo de 3.7.
2] Los siguientes datos corresponden a precios y cantidades transadas
de cierto artculo en un mercado:
Precio (p) Cantidad vendida (q)

(u.m.) (miles de u.m.)'
10 2.00
12 1.60
15 1.50
18 1.20
20 1.00
25 0.80
30 0.30
Se le pide:
a) Determine la funcin de demanda mediante:
a
i) q = -
P
ii) q = - + b
P
CORRELACIN
b) Calcule los coeficientes de correlacin respectivos;

c) Calcule los errores de proyeccin;
d) Estime la cantidad vendida a un precio de 40, por medio de
las dos [unciones;
c) Estime el precio que garantizara una venta de 3.00 miles de
unidades.
Con el objeto de estudiar la relacin entre las variables consumo
de energa elctrica (X ,) y volumen de produccin en las empre
sas industriales (Y ,), se tom una muestra de 20 empresas,para
las cuales se computaron los siguientes valores:
2 X = 11.34 2 Y, = 20.72 2 Xj = 12.16
2 Y = 84.96 2 X Y = 22.13
Se le pide:
a) Calcule las ecuaciones de regresin de "Y en X y de X en Y;
b) Calcule el coeficiente de correlacin rectilneo;
c) Calcule el error de proyeccin de la regresin de Y en X .
En el diseo de un modelo de simulacin se necesitaba disponer de
una funcin consumo de bienes de origen industrial; para lograrlo
se tienen los siguientes datos:
Consumo de bienes Ingreso Importaciones

industriales disponible bienes de consumo
Aos Unidades monetarias constantes
1960 45 52 10
1961 42 58 13
1962 48 58 10
1963 55 60 14
1961 53 65 16
1965 65 70 18
Se le pide:
a) Ajuste una [uncin del tipo: C = a Y -j- P M -)- 7
donde: a, (5 y, parmetros de regresin
C: consumo de bienes industriales
Y: ingreso disponible
M: importaciones de bienes de consumo
b) Calcule el coeficiente de correlacin mltiple y el error de
proyeccin;
<) Calcule el coeficiente de correlacin parcial entre consumo e
ingreso, aislando el efecto de las importaciones.
Interesa disponer de estimaciones de las variaciones en los pre-
PRO BLEM A S PROPUESTOS 211
cios de bienes agrcolas de consumo esencial; para lograrlo, des

pus de algunos estudios, se concluy que una metodologa posi
ble podra ser el ajuste de una ecuacin de regresin a los si
guientes datos:
P r e c io d e b ie n e s C o sto u n ita r io E x p e c ta tiv a s

a g rco la s d e p r o d u c c i n d e in fla c i n
P e r o d o P C V
1 10 6 6%
2 12 7 8%
3 15 12 4%
4 17 13 7%
5 20 16 12 %
6 30 25 12 %
7 35 25 8%
Se le pide:
a ) Ajuste una funcin del tipo: P (t f 1) = C (t) [1 j a
|
+ b V (t)]
donde, a: margen de ganancia de empresarios
agrcolas
b: coeficiente de realimentacin de in
flacin
b ) Estime el precio cuando el costo sea de 40 y hayan expectativas
de estabilidad en la actividad econmica.
6 ] De acuerdo al plan de desarrollo de un pas, se comprueba que el
producto real del sector agrcola muestra los siguientes crecimien
tos porcentuales anuales en el perodo 1956/1962:
1957 1958 1959 1960 1961 1962
2.0 3.0 4.0 3.5 3.0 3.3
a ) Determine la tasa anual promedio de crecimiento para el pe

rodo considerado utilizando la ecuacin de regresin adecuada.*
b ) El ao 1962, el sector agrcola aportaba el 30% del producto
interno bruto ( p ib ) . Si se emplea la ecuacin de regresin en
contrada y se supone que el p i b crecer el 5% anual acumula-
* P or razones implcitas en el modelo de proyeccin, la recta queda excluida

como posible solucin.
CORRELACIN
tiv o d u ra n te el p e r o d o 1962/1970, e s tim e la p a r tic ip a c i n que

te n d r el s e c to r 1970.
a g r c o la en el p ib , el ao
Los siguientes datos corresponden a ingresos y consumos de un
conjunto de profesionales.
Perodo (t) Ingreso (Y) Consumo (C)
0 100 60
1 120 65
2 120 66
3 130 70
4 140 72
5 160 75
6 160 80
Se le pide calcular el valor de los parmetros en la funcin consu-

mo de Friedman:
C (t) = a + (5 Y (t) 4 - y C (t -- O
Para una regin de cierto pas, se tienen los siguientes antecedentes:
Consumo de
Ingreso por Consumo por alimentos por
habitante habitante habitante
Aos Unidades monetarias constantes
1958 200 180 120

1959 220 210 130
1960 245 230 150
1961 270 250 170
1962 300 280 200
1963 340 320 220
Se le pide:
a) Calcule la elasticidad ingreso del consumo mediante la funcin:
Y,. = b X" ;
b) Estime, utilizando el mtodo grfico, el coeficiente de elastici
dad gasto del consumo de alimentos;
c) Teniendo cu cuenta las dos elasticidades calculadas anterior
mente, estime el consumo de alimentos en 1970, admitiendo que
el ingreso por habitante crecer a partir de 1963, a una tasa de
3% acumulativo anual.
8 ] La distribucin del gasto en 1960 es la siguiente:
Alimentos 100
Otros productos manufacturados 60
Servicios 40
Consumo total 200
Si adems se sabe que la elasticidad gasto de alimentos es 0.8 y la

de productos manufacturados 1.2 , se le pide calcule:
a ) El coeficiente de elasticidad gasto de servicios;
b ) La distribucin del gasto en 1966, considerando que el ingreso
crecer al 4% anual, si se mantiene constante la propensin
media al consumo, al nivel de 0.85.
10] En 1955 el consumo de papel para cierto pas se calcul en 4.5 kg
por habitante. Con el propsito de programar el desarrollo de la
industria de la celulosa, se necesita estimar el consumo para 1967,
teniendo en cuenta los siguientes antecedentes:
a ) Elasticidad gasto de la demanda p e r c a p ita de papel: 1.5;
b ) Crecimiento del ingreso: 4% acumulativo anual;
c) Ecuacin del gasto total en relacin al ingreso total: G = 0.9 Y.
Agregue, si necesita, la informacin adicional que estime til
para efectuar la proyeccin.
SOLUCIN DE EJERCICIOS
1] a ) Las ecuaciones normales son:
2 C := a 2 Y 4 - nb
2 Cn' == a 2 \'2 -f- b 2 Y
Y C YC C2 Y2
2.0 1.6 3.20 2.56 4.00

2.1 1.7 3.57 2.89 4.41
2.4 2.0 4.80 4.00 5.76
2.4 2.1 5.04 4.41 5.76
2.5 2.2 5.50 4.84 6.25
2.8 2.5 7.00 6.25 7.84
3.0 2.6 7.80 6.76 9.00
17.2 14.7 36.91 31.71 43.02
214 CORRELACIN
Si se remplazan estos valores en las ecuaciones normales:
14.7 = 17.2 a -f- 7b
36.91 = 43.02 a - f 17.2 b
Si se resuelve el sistema: a = 1.043; b == 0.463

la funcin queda: C = 1.043 Y 0.463
b) Para el ajuste de la potencial, ser necesario aplicar logaritmos,

para utilizar las ecuaciones normales
C = bY"
log C = log b -|- a log Y
Las ecuaciones normales son:
2 log C = n log b -j- a ? log Y
2 log C log Y = log b 2 log Y a 2 (log Y) 2
lo g C lo g Y lo g C lo g Y ( lo g C ) * (lo g Y f
0.20412 0.30103 0.061446 0.041665 0.090619

0.23045 0.32222 0.074256 0.053107 0.103826
0.30103 0.38021 0.114455 0.090619 0.144560
0.32222 0.38021 0.122511 0.103826 0.144560
0.34242 0.39794 0.136263 0.117251 0.158256
0.39794 0.44716 0.177943 0.158356 0.199952
0.41497 0.47712 0.197990 0.172200 0.227643
Total 2.21315 2.70589 0.884864 0.737024 1.069516
Si se remplazan estos valores en las ecuaciones normales
2.213150 = 7 log b - f 2.70589 a
0.884864 = 2.705890 log b - f 1.069516 a
Si se resuelve el sistema:
a 1.247
log b = 0.166
La funcin quedar:
log C = 1.247 log Y - 0.166
1
C = ------- Yi--'
1.306
c) Los coeficientes de correlacin sern:

para la recta:
a S Y ^ + b S C i-C S C , \
2C ? -C S C ,
1.043 (36.91) -0 .4 6 3 (14.7) - 2 .1 (14.7)

31.71 2.1 (14.7)
38.4971 - 6.8061 - 30.87 0.82

----------------------- = 0.976
31.71 -3 0 .8 7 0.84
r = - f \ 0.976 = 0.987
para la potencial:
a 2 log Y , log Cj -|- lg b 2 log C log C 2 log C[

r 2 log C log Y = -----
2 (lo g C i) 2 - l o g C 2 1 o g C i
1.247 (0.884864) - 0.166 (2.21315) - 0.31616 (2.21315)

r 2 log C log Y = ---------------------------- -------------------------------------------
0.737024-0.31616 (2.21315)
1.10343 - 0.36738 - 0.69971 0.03634

r2 log C log Y = --------------------------------------- = ----------------- 0.974
0.737024-0.69971 0.03731
r log C log Y = 0.987

d ) Las ecuaciones normales despus de aplicar logaritmos son:
2 log C = n log a -j- log b 2 t
2 (log C,) t = log a 2 t, + log b 2 t?
I.os datos se disponen en la siguiente forma:

216 CORRELACIN
t Ci lo g h lo g C i ll-%
-3 1.6 0.20412 -0.61236 9

_2 1.7 0.23045 -0.46090 4
-1 2.0 0.30103 -0.30103 1
0 2.1 0.32222 0 0
1 2.2 0.34242 0.34242 1
9 2.5 0.39794 0.79588 4
3 2.6 0.41497 1.24491 9
0 2.21315 1.00892 28
Remplazando estos valores en las ecuaciones normales:
2.21315 == 7 log a -f- 0
1.00892 = 0 + 28 log b
log a = 0.3162 a == 2.071
log b = 0.0360 b = 1.0865
En la funcin se tenia C = a bl, donde b = 1 -j- i en que i

es la tasa de crecimiento acumulativo. En el problema i
= 0.0865 = 8.65% acumulativa anual.
e ) Para encontrar la propensin media al consumo en 1965, es ne
cesario disponer de estimaciones de consumo e ingreso para ese
ao; el consumo fcilmente puede estimarse a travs de la fun
cin encontrada en d.
Ci9e- = 2.071 (1. 0865) 3 t = 5 para 1965
C 1965 = 2.071 (1.7313) = 3.5855
El ingreso est dado; luego,
3.5855
Propensin media el consumo = ----------- = 0.969
3.7000
2] a ) Para responder i e ii, ser necesario determinar sus ecuaciones

normales.
i) 2 q /p = a 2 1/ p 2
1
ii) 2 q = a )- n b
P
2 q/p = a 2 l/p2 - f b 2 1/q
Se calcula a con tin u aci n los datos para rem plazar en estas
ecuaciones:
9 P IIP 1/p IIP *

2.00 10 0.2000 0.1000 0.01000
1.60 12 0.1383 0.0833 0.00694
1.50 15 0.1000 0.0667 0.00444
1.20 18 0.0667 0.0556 0.00309
1.00 20 0.0500 0.0500 0.00250
0.80 25 0.0320 0.0400 0.00160
0.30 30 0.0100 0.0383 0.00111
8.40 0.5920 0.4288 0.02968
R em p lazan do valores;
i) 0.5920 = 0.2968 a
a == 19.946
L a fu n cin qued a:
q = 19.946/p
ii) 8.400 = 0.42880 a - f 7 b
0.5920 = 0.02968 a 0.4288 b
a = 22.6966
b = - 0 .1 9 0 8
22.6966
L a funcin qued a: q = ------------------- 0.1903
P
b) Para calcu lar los coeficientes de correlacin, se utilizar la frm u

la general:
2 ( Y0 - Y ) * Y /2 r
218 CORRELACIN
C a so i C aso ii A m b o s ca so s
0o (q. - q ) 2 (le - q )2 q ( q .- q ) 2
1.995 0.632 2.079 0.773 2.0 0.64

1.662 0.213 1.700 0.250 1.6 0.16
1.330 0.017 1.324 0.015 1.5 0.09
1.108 0.008 1.072 0.016 1.2 ---
0.997 0.041 1.025 0.031 1.0 0.04
0.798 0.162 0.718 0.232 0.8 0.16
0.665 0.286 0.565 0.403 0.3 0.81
1.359 1.720 8.4 1.90
- 2 q, 8.4
q = - = = 1.20
n 7
Caso i)
/ 1 .3 5 9 \ v a
= [ --------- ) = (0.715)1/2 = 0.845
' 1.900
Caso i)
/ 1.720 \i/*
= ( --------- ) = (0.905) 1/2 = 0.952
' 1.900 /
c) Para el clculo ele los errores de proyeccin recurdese que
S! = S? + Sy
Error = "y S^s = SVs
Caso i)
1.90
S2y = = 0.27
7
1.359
Sr.c = --------- = 0.19
7
Sy(, = 0.08
E rro r = 0 .2 8 3
Caso ii)
1.90
Sf = ------ = 0.27
7
172
Syc = --------= 0.25
7
S fc = 0 . 0 2
E rro r = 0.142
d) Basta rem plazar p = 40 en ambas funciones:
Caso i)
19.946 19.946
0.499
40
Caso ii)
22.6966
q = -------------------0.1903
P
22.6966
0.1903 = 0.377
40
e) Basta rem plazar q = 3.00
Caso i)
19.946
3 = ---------------- p = 6.65
P
Caso ii)
22.6966
3 = : ------------------- 0.1903
P
p = 7.11
3] a) P a ra el caso d e la re g re si n d e Y e n X se sa b e q u e
CORRELACION
S X . Y , -------
- X Y
C [X .Y ,]
a
X v [x,i sx*. -

Rem plazando valores se tiene
22.13 11.34 20.72
20 20 20 1 .1 0 6 5 - 0 .5 6 7 1.036
avx
12.16i / 1 11 .3
/1 .344YV- 0.608 - 0.321
20 ' 20 '
0.519
1.808
0.287
Para determ in ar el coeficiente de posicin se tiene
Y = a YX X -f- byx
20.72 11.34
bYX --------------1.808 = 1.036 - 1.025 = 0.009
20 20
I.a ecuacin de "Y en X tjueda: Y,. - 1.808 X , -|- 0.09
C r X .Y .l 0.519 0.519
avv = - = ----------------------------- = -------------------------= 0.163
V [Y ,] 84.96 //2
2 0 .7 2 V 4 . 2 4 8 - 1.073
20 ' 20
N /
P ara determ inar el coeficiente de posicin, se tiene
X = a xv Y -f- bXY
11.34 20.72
b vv = - ------------ 0.163 = 0.567 - 0.169 = 0.396
20 20
L a ecuacin de X en Y queda:
X,. = 0.163 Y + 0.396
b) Para el clculo del coeficiente de correlacin rectilneo, se tiene

que
SOLUCIN DE EJERCICIOS- 221
r 2 == axv arx = (0.163) (1.808) = 0.295
r = + y _0.295 = 0.543
c) Para el clculo del error de proyeccin recurdese que
T ~ sY2 ~ V
s2.
0.295 = 1 ----- ya que S2 = V [Y,] = 3.175
3.175
S+ = (0.705) (3.175) = 2.238
Error de proyeccin SYs = -y S|.s = -y 2.238 == 1.5
4] Si se llama X t al consumo, X 2 al ingreso, X 3 a las importaciones,

las ecuaciones normales son:
)
2 Xt = a 2 X , + P 2 X 3 4- n y
2 X iX 2 = a 2 Xi + 6 2 X 2X 3 + y 2 X 2
2 X tX 3 = a 2 X 3X 3 + P 2 X2 + y 2 X 3
Los datos se disponen as:
X, x Xj X 2
45 52 10 2 340 2 704 520
42 58 13 2 436 3 364 754
48 58 10 2 784 3 364 580
55 60 14 3 300 3 600 840
53 65 16 3 445 4 225 1 040
65 70 18 4 550 4 900 1 260
308 363 81 18 855 2 2 157 4 994

222 CORRELACIN
A * Z
i
450 100 2 025

546 169 1 764
480 100 2 304
770 196 3 025
848 256 2 809
1 170 324 4 225
4 264 1 145 16 152
E l sistem a queda:
308 = 363 a - f 81 P -f- 6 y
18.855 = 22157 a - f 4994 p + 363 v
4.264 = 4994 a + 1145 P + 81 y
C uya resolu cin es
u = b 12 g = 1.114
P = b 13 2 = 0.040
y = a i .2 3 = 1659
b) L a frm ula d el coeficien te de correlaci n m ltip le q u e se u tili

za es la siguiente:
1 .2 3 2 + b12.3 2 X tX 2 + b.g 2 x tx g- n x y/*

R 1.23 ---- (
2 X2 - n X\ '
Si se rem plazan valores:
/ - 16.59 (308) - f 1.114 (18 855) - f 0.04 (4 264) - 6 (2 635) \i/a

R 1 .2 3 = \
16 152 - 6 (2 635)
5 109.7 + 21 004.5 - f 170.6 - 15 810.0 y / z

R r.23 = ( !
16 1 5 2 - 15 810 '
/255.4\ i /2
R. = ( ------- ) = (0.747) 1/2 = 0.865
'342.0'
Para el clculo del error de proyeccin, recurdese que
n 1.23
.2 3 =
n 1.23
De los datos anteriores se tiene
11 $xc 1.23 = 255.4 . . SXc 1.23 = 42.6
n sx 1.23 = 342 S i , -38 = 57
Luego
86.6
SL 1.23 = = 1 4 -4
Error = \ 14.4 = 3.8
c) Se trata de calcular:
L 1 ,2 3 s L ,.,y
, 1/2
r,-.
w. > S2
X s 1 .3
En esta frmula se desconocen los valores de las varianzas ex

plicada y no explicada entre las variables X , y X :j; en cambio
el valor de SXc 1.23 se obtiene del clculo anterior
255.4
sxc 1.23 = = 426
6
Para las otras varianzas se recurre a las siguientes frmulas:
11 Xc 1 .3 ai .3 2 X j b] 3 2 X jX 8 11 X j
La ecuacin tic ajuste rectilneo es
^1.3 a l.3 "i" 'J1.3 ^3
Sus ecuaciones normales:
^ X[ n a , ., - j- b j 3 2 X 3
224 CORRELACIN
2 X ,X 3 = 3i.3 2 X 3 + b,., 2 X|
Todas las sumatorias aparecen tabuladas en la primera hoja.

Remplazando valores se tiene:
308 = 6 a li3 + 81 3
4264 = 81 a 13 + 1145 bj 3
3l 3 = 23.52
b1-8 = 2.06
Remplazando valores en la frmula de la varianza explicada, se

tiene
n S|c 13 = 23.52 (308) + 2.06 (4 264) - 6 (2 635)
7 244.2 + 8 7 8 3 .8 - 15 810 218

Sxc 1 .3 ----
6
SL 1.3 = 36.3
Recurdese que
s-x 1.3 = s-L 1.3 + SL 1.3
La varianza total de la variable dependiente es nica, cualquie

ra sea el nmero de variables independientes que se tomen; en
consecuencia, este valor es el mismo que aparece en el denomi
nador del coeficiente de correlacin mltiple.
SL 1.3 = 57 - 36.3 = 20.7
Luego,
/42.6-36.3V /2 ----------
r, 3 = ( ------------- ) = V 0.304 = 0.551
' 20.7 '
5] a ) La ecuacin de ajuste puede representarse as:
1 (t + 1) = (1 + a) C (t) + b C (t) V (t)
Llamando
P = X,
C (t) = x 2
C (t) V (t) = x3
1 + a = d
La ecuacin queda;
Xj, = d X2 4- b x 3
Las ecuaciones normales son las siguientes:
2 X jX 2 = d 2 M + b 2 X 3X 2
2 X ^, = d 2 X 3X 2 + b 2 X|
La tabulacin de valores se dispone as:
P C CV PC C VC2 PCV (CV)2

Xi X, x X iX 2 x| x ,x 2 X jX 3 X|
12 6 0.36 72 36 2.16 4.32 0.1296

15 7 0.56 105 49 3.92 8.40 0.3136
17 12 0.48 204 144 5.76 8.16 0.2304
20 13 0.91 260 169 11.83 18.20 0.8281
30 16 1.92 480 256 30.72 57.90 3.6864
35 25 3.00 875 625 75.00 105.00 9.0000
129 79 7.23 1 996 s 1 279 129.39 201.98 14.1881
El sistema queda
1996.00 = 1279.00 d 4 - 129.39 b
201.98 = 129.39 d 4 - 14.1881 b
Resolviendo para d y b
d = 1.555
b = 0.054
Luego la ecuacin ajustada queda

226 CORRELACIN
P (t - f 1) = C (t) [1.555 -J- 0.054 V (t)]
b) Bastar remplazar C (t) por 40 y V por 0, para estimar P (t - f

1) , en tales circunstancias
P (t - f 1) = 4 0 [1.555 + 0] = 62.22
6] En vista de que hay variaciones porcentuales anuales, se calcular

un ndice de base fija, y luego mediante la funcin
Y = a b*
se calcular la tasa pedida.

a)
n d ic e d el p ro d ,
r e a l a g r c o la T ie m p o
V, aos
100.0 -3 1956
102.0 -2 1957
105.1 -1 1958
109.3 0 1959
113.1 1 1960
116.5 2 1961
120.3 3 1962
0
Las ecuaciones normales son:

2 log Y = n log a log b 2 t
2 t, log Y, = log a 2 t -)- log b 2 t ?
lo g Y i (H yj h
2.00000 9 -6.00000
2.00860 4 -4.01720
2.02160 1 -2.02160
2.03862 0 -
2.05346 1 2.05346
2.06633 4 4.12516
2.08027 9 6.23754
1 4 .2 6 8 8 8 28 0 .3 7 7 3 6
Si se remplazan estos valores en las ecuaciones normales

14.26888 = 7 log a (Ya que 2 t = 0)
0.37736 = 28 log b
14.26888
log a = ---------- = 2.03841 a = 109.24
7
0.37736
log b = ---------- = 0.01348 b = 1.0315
28
La funcin queda
Yc = 109.24 (1.0315) t
La tasa de crecimiento es 3.15% acumulativa anual.

b) Para encontrar la participacin relativa, se puede trabajar con
los mismos porcentajes dados en los datos iniciales.
1962 1970
P IB 100 100 (1 - f 0.05)

P. agre. 30 30 (1 - f 0.0315)
p i b 197 = 100 (1.477) = 147.7
P. agrc.1970 = 30 (1.282) = 38.5
La participacin relativa del sector agrcola en 1970 ser

38.5
_ 26.07%
147.7
7] Los datos se disponen de la siguiente manera (se introduce el des-

ajuste del consumo)
t Y(t) C (t) C (t-l)
1 120 65 60
2 120 66 65
3 130 70 66
4 140 72 70
5 160 75 72
6 160 80 75
830 428 408

228 CORRELACIN
Las ecuaciones normales son las siguientes:
2 C (t) = n a - f p 2 Y (t) + v S C (t 1)
2 C (t) Y (t) = a 2 Y (t) + P 2 [Y (t)p 4 - Y 2 C (t - 1) Y (t)
2 C (t) C (t - 1) == a 2 C (t - 1) + P 2 Y (t) C (t - 1)
+ y 2 [C ( t - l ) p
Es necesario tabular adems las siguientes sumatoras.
C (t) Y (t) [Y (t)Y C ( t - l ) Y(t) C (t) C ( t - l ) [C (t-l)}
7 800 14 400 7 200 3 900 3 600

7 920 14 400 7 800 4 290 4 225
9 100 16 900 8 580 4 620 4 356
10 080 19 600 9 800 5 040 4 900
12 000 25 600 11 520 5 400 5 184
12 800 25 600 12 000 6 000 5 625
59 700 116 500 56 900 29 250 27 890
El sistema de ecuaciones normales queda:
428 = 6 a -f- 830 P + 408 y
59 700 = 8.30 a 4 - 116 500 p 4 - 56 900 y
29 250 = 408 a 4 - 56 900 p 4 - 27 890 y
Si se resuelve el sistema se llega a
a = 38.017
P= 0.1333
Y = 0.2187
La funcin consumo queda
C (t) = 38.017 + 0.1333 Y (t) + 0.2187 C (t - 1)
8] a ) Las ecuaciones normales de la funcin son:
2 log Y, = n log b a 2 log X

2 log Yi log X i = log b 2 log X + a 2 (log X ,) 2 .
Siendo X = Ingreso; Y = Consumo
Y, lo g X i l g r i l o g X i lo g Y i log X \
200 180 2.30103 2.25527 5.18944 5.29474

220 210 2.34242 2.32222 5.43961 5.48693
245 230 2.38917 2.36173 5.64257 5.70813
270 250 2.43136 2.39794 5.83026 5.91151
300 280 2.47712 2.44716 6.06191 6.13612
340 320 2.53148 2.50515 6.34174 6.40839
14.47258 14.28947 34.50553 34.94582
Si se remplazan estos valores:

14.28947 == 6 log - f 14.47258 a
34.50553 = 14.47258 log b + 34.94582 a
log b = - 0.12203
a = 1.038
La funcin queda:
1
YC ---
-------
X.1038
I
1.324
Luego el coeficiente de elasticidad ingreso del consumo es:
a = 1.038
b) Utilizando el mtodo grfico, se tiene:
GRFICA 29
---------------- ___ I_________I______ I____ I___ I___ l i l i

100 200 300 400 lo g X
2S0 C O R R E L A C I N
5.4
Elasticidad gasto = -------= 1.2
4.5
c) Si las elasticidades son las siguientes:
Elasticidad ingreso del consumo: Ey = 1.038
Elasticidad gasto del consumo de alimentos: EG = 1.20
Para realizar la estimacin pedida, se har primero una estima

cin del consumo en 1970 mediante la relacin
El valor del ingreso en 1970 est dado por
Y70 = Y e3 (1 + 0.03) i = 340 (1.23) = 418.2
Luego,
C70 = 320 (1.23) i-osa = 320 (1.24) = 396.8
Para la proyeccin del consumo de alimentos:
Eg C. alim. 70
( Cfio C. alim. 63
Si se remplazan valores se tiene:
(
C. alim.70 = 220 (1.24) i -2 = 220 (1.295) = 284.9
9] Para calcular la elasticidad gasto de los servicios se recurre a la
propiedad:
a)
Es Ws + Ea Wa + Em Wm = 1
gasto en servicios 40
0.20
gasto total 200
gasto en alimentos 100

WA = ---- = = 0.50
gasto total 200
gasto en prod, manufac. 60

WM = --------------------------- = = 0.30
gasto total 200
Luego,
1 - 0 . 8 (0.50) - 1.2 (0.30) 0.24

E = -------------- -------- ------- = = 1.20
0.20 0.20
b) Si la propensin media al consumo se mantiene constante, el

consumo crecer a la misma tasa que el ingreso.
El consumo en 1966 ser:
C196(i = Cjsmo (1 + *) n
C1800 = 200 (1.04) = 200 (1.265) = 253
Para proyectar los consumos especficos se tiene:

i) Servicios:
/ C 106e\Es C. serv. 1966 253

l ) = ; dado q u e ------ 1.265
c i 98o C. serv. 1960 200
C. serv. 1966
(1.265) 12 = ---------------
40
C. serv. 1966 = 40 ( 1 .265 ) 1-2 _ 40 (1.326) = 53.04
ii) Otros productos manufacturados:
^ E-i <k; Ê C. prod. man. 1966

E-soo C prod. man. 1960
232 CORRELACIN
C. prod. man. 1966

(1.265) 1-2 = ----------------------------
60
C. prod. man. 1966 = 60 (1.265) i-2 = 60 (1.326) = 79.56

iii) Alimentos:
/ c i 966\e a _ c - alim. 1966

^1960 alim. 1960
C. alim. 1966
( 1 .2 6 5 ) 0 8 = -----------------------
100
C. alim. 1966 == 100 (1.265) o- = 100 (1.207) = 120.7
La distribucin del gasto en 1960 y 1966 es la siguiente:
1960 % 1966 %
Alimentos 100 50 120.7 47.7

Otros productos manufac. 60 30 79.6 31.4
Servicios 40 20 53.0 20.9
Total 200 100 253.3 100.0
10] Los datos se resumen as:

Consumo de papel por habitante en 1955: CP 1955 == 4.5
Consumo de papel por habitante en 1967: CP1967 = ?
Elasticidad gasto de la demanda de papel por habitante: EG = 1.5
Tasa de crecimiento del ingreso: i = 4% ac. anual
Relacin gasto ingreso: G === 0.8 Y
La frmula para la proyeccin ser la siguiente:
/Consumo por habitante 1967\EG

'Consumo por habitante 1 95 5 '
Consumo de papel por habitante 1967

Consumo de papel por habitante 1955
Es necesario estimar previamente los consumos por habitante en

1955 y 1967. Para ello es necesario
G 1955 O' ^ 1 9 5 5
^1955
g i 9 5 5 (p r liabit.) =
^1955
donde P = Poblacin.
_ , , u- \ 0.9 Y19g5 ( 1 + 0 .4 ) 1 2
Cm I (po, b .b .0 = _ _ _ _ _
Gim u , 0-9 V ,** <!)' P s.

(por habit.)
G 1955 Pl955 (1.025)12 0.9 Y 1955
/1.040\12
~~ ' L 0 2 5 '
Remplazando en la frmula de la proyeccin se tiene:
r /1.040\
'1.040\ 1 2 -iX.
-1 I .5 Consumo de papel por habitante 1967
Lu.025/ J 4,5
/1.040\i
Consumo de papel por liabit. 1967 = 4.5 ( -------- )
'1 .0 2 5 /
= 4.5 (1.0146) i = 4.5 (1.308) = 5.89
Luego, se estima para 1967 un consumo de 5.89 kg de papel por

habitante.
B IB L IO G R A F A
Cansado, Enrique, C u rso d e es ta d stica g e n e r a l, Comisin de Educacin

Estadstica del Instituto Interamericano de Estadstica, Rosario, Ar
gentina, 1958.
Cochran, William G., S a m p lin g te c h n iq u e s , Nueva York, John Wiley
and Sons, 5a. ed., 1966.
Croxton, Frederic E., y Dudley J. Cowden, E sta d s tica g e n e r a l a p lic a d a ,
trad, de Teodoro Ortiz y Manuel Bravo, Mxico, Fondo de Cultura
Econmica, 1948.
Hoel, Paul G., In t r o d u c c i n a la esta d stica m a te m tic a , trad, de Enrique
E. Dieulefait, Biblioteca Interamericana de Estadstica Terica y
Aplicada, Rosario, Argentina, 2a. ed., 1955.
Mills, F. Cecil, M t o d o s a p lic a d o s a la e c o n o m ia y lo s n e g o c io s , trad, de
Juan Ruiz Magan y Jos Ruiz Rubio, Madrid, Aguilar, 1960.
Ostle, Bernard, E sta d s tica a p lic a d a , trad, de Dagoberto de la Serna Val
divia, Mxico, Limusa-Wiley, 1965.
Ros. Sixto, M t o d o s esta d stico s, Madrid, Editorial del Castillo, 5a. ed.,
1967.
Vuskovic, Pedro, A p u n te s d e esta d stica , Santiago, Escuela de Economa,
Universidad de Chile, 1959; edicin mimeografiada.
Yamane, Taro, E le m e n ta r y S a m p lin g T h e o r y , Nueva Jersey, Prentice-
Hall, 1967.
Yamane, Taro, Statistics. A n I n tr o d u c to r y A n alysis, Nueva York, Harper
and Row, 1964.
Yule, G. U. y M. G. Kendall, In t r o d u c c i n a la esta d stic a m a te m tic a ,
trad, de Jos Ros Jimeno, Madrid, Aguilar, 1964.
Bettelheim, Charles, P r o b le m a s te r ic o s y p r c tic o s d e la p la n ific a c i n ,

trad, de Vicente Lozano, Madrid. Editorial Tecnos, 1966.
Chakravarty, S., L a l g ica d e la p la n ific a c i n d e in v er sio n es , trad, de
Tortella Casares, Madrid, Editorial Tecnos, 1965.
Chenery, H. y P. Clark, E c o n o m ia in ter in d u s tria l, in s u m o -p r o d u c to y p r o
g r a m a c i n .lin e a l, Mxico, Fondo de Cultura Econmica, 1963.
Mass, Pierre, E l p la n o e l a n tia z a r , Barcelona, Editorial Labor, 1966.
Perroux, Franois, T c n ic a s cu a n tita tiv a s d e p la n ific a c i n , Barcelona,
Ediciones Ariel, 1967.
Varios, D iscu sio n es s o b r e p la n ific a c i n , textos del Instituto Latinoame
ricano de Planificacin Econmica y Social, Mxico, Siglo xxi, 2a.
ed., 1968.
Vuskovic, Pedro, T c n ic a s d e p la n ific a c i n , Instituto-Latinoamericano de
Planificacin Econmica y Social, Santiago, 1962; edicin mimeogra
fiada.
[2 3 4 ]
nme*e\
I4 * )
papel ediciones crema de fbrica de papel san uan, s. a.
impreso en offset cemont, s. a.
ajusco 96 - mxico 13, d. f.
dos mil ejemplares y sobrantes para reposicin
20 de abril de 1981
PLANIFICACION REGIONAL Y URBANA EN AMERICA
LATINA / Fernando Pedro y otros
En el p ro ce so del d e s a rro llo e c o n m ic o y social de

los pases la tin o a m e rica n o s se o b s e rv a q u e el p a
tr n d e la co n c e n tra c i n e co n m ica te rrito ria l g u a r
d a e stre ch a re lacin con la u rb a n iza c i n . La p la n ifi
cacin re g io n a l d e b e te n e r en cu e n ta este fe n m e
no y c o n s id e ra r u na a m p lia g a m a d e p ro b le m a s c u
y a im p o rta n cia es ca da v e z m a y o r a m e d id a q u e se
intensifica la in d u stria liza ci n .
EL COMPORTAMIENTO DE LOS PROYECTOS DE

DESARROLLO / Albert O. Hirschman
Los p ro ye cto s d e d e s a rro llo son p a rtcu la s p riv ile

g ia d a s del p roce so d e d e s a rro llo ; la nece sid ad d e
q u e su c o m p o rta m ie n to sea e s tu d ia d o m s p ro fu n
d a m e n te es el o rige n d e este libro. Para e lab o ra rlo ,
el a u to r se bas en los estud ios d e on ce pro yecto s
e fe ctu ad o s en d ive rso s pases y respe cto a d iv e r-
, sos sectores econm icos d e los cinco continentes.
PLANIFICACION DEL DESARROLLO INDUSTRIAL /

Hctor Soza Valderrama
D e n tro d e la p ro b le m tic a d e los pases en d e s a rro

llo y ms concretam ente d e los latinoam ericanos
se p la n te a a q u el re q u isito d e la in d u stria liza ci n
d e s d e el p u n to d e vista d e los re cu rsos n a tu ra le s y
d e las e x ig e n c ia s del d e s a rro llo e co n m ico , p e ro sin
dejaF d e lado las n e ce sid ad e s h u m a n a s ni las p o si
b ilid a d e s re ale s y las inciertas te n d e n cia s q u e re
g istra el co m e rc io in te rn a cio n a l.
LA BRECHA COMERCIAL Y LA INTEGRACION LATI
NOAMERICANA / ILPES
Se a n a liza n c u id a d o s a m e n te las p o sib ilid a d e s del

d e s a rro llo la tin o a m e ric a n o , d e sd e el p u n to d e vista
de las lim itacio n es qu e im p o n e la e stru ctu ra e c o
n m ica liga d a al c o m e rc io e x te rio r y d e la fo rm a
en q u e c o n trib u ira a m e jo ra rla s la re a liza ci n de
u na poltica d e sustitucin re g io n a l d e im p o rta c io
nes q u e hicie ra p osib le la in te g ra ci n e c o n m ic a .
GUA PARA LA PRESENTACIN DE PROYECTOS /

ILPES
La fin a lid a d d e esta g ua es s e rvir c o m o in s tru m e n

to d e tra b a jo a los p ro fe sio n a le s q u e d e b e n p re p a
ra r o a n a liz a r los a n te ce d e n te s con q u e se s o m ete n
a a p ro b a c i n final y fin a n c ia m ie n to los p ro yecto s d e
d e s a rro llo e co n m ico y social.
EXPERIENCIAS Y PROBLEMAS DE LA PLANIFICACIN

EN AMRICA LATINA / ILPES-OEA-BID
P od r ve rs e en estos estudios un c o m p le to anlisis

d e los conflictos e n tre los p la n ific a d o re s y los c e n
tros d e d e cisi n; los aspectos o p e ra tiv o s d e los p ro
cesos d e p lan ifica ci n , in clu ye n d o la con creci n d e
p lan e s en p ro ye cto s especficos, en un inten to q u e
a y u d a r a c o m p re n d e r el pap e l d e la p lanificacin
en los procesos d e c a m b io social. A s im is m o se e x
p o n e n a lg u n a s e x p e rie n cia s vivid a s p o r los pases
d e l c o n tin e n te en m a te ria d e p lan ifica ci n .
PLANIFICACION Y PRESUPUESTO POR PROGRAMAS /
Gonzalo Martner
Por las p au ta s d e ta lla d a s de clasificaciones p re s u

p u e sta ria s q u e co n tie n e y p o r su c o m p le ta b ib lio
g ra fa , el lib ro ser d e e x tre m a u tilid a d p a ra los
re sp o n sa b le s d e los p lan e s d e d e s a rro llo y p a ra las
o ficinas y fu n cio n a rio s p blicos q u e tra b a ja n en e s
te c a m p o e sencial d e la accin del Estado, as c o m o
p a ra los e stud ia ntes y estudiosos d e d ive rsa s ra m a s
d e las ciencias sociales.
ENSAYOS SOBRE PLANIFICACION REGIONAL DEL

DESARROLLO / ILPES
Inve stig aci n d e stin a d a a fa cilita r la fo rm u la c i n d e

p olticas plan ifica d as d e d e s a rro llo a g ro p e c u a rio en
los pases d e A m ric a Latina. R ecoge la e x p e rie n c ia
a c u m u la d a p o r la C E P A L y el ILPES en este ca m p o .
DISCUSIONES SOBRE PLANIFICACIN / ILPES
Es el fru to del d i lo g o v iv o e n tre e co no m istas de

d iv e rs o s pases q u e in te rc a m b ia ro n in fo rm a cio n e s,
c o n cep tos e in q u ie tu d e s so b re la plan ifica ci n en
g e n e ra l y so b re la e x p e rie n c ia la tin o a m e rica n a c o n
c re ta m e n te .
DISCUSIONES SOBRE PROGRAMACION MONETARIO-
FINANCIERA / ILPES y otros
T a n to en A m ric a Latina co m o en el resto del m u n

d o , u n o d e los ca m p o s en q u e m s c la ra m e n te se
m a n ifie sta el p eso d e los hechos c o tid ia n o s es el d e
la poltica m o n e ta rio-fin a n cie ra, estrech am e nte ligada
a p ro b le m a s ta le s c o m o la infla cin y a las n e ce si
dades del financiam iento norm al d e los sectores p ro
d u ctivo s.
EL SECTOR PBLICO EN LA PLANIFICACION DEL DE

SARROLLO / Ricardo Cibotti y Enrique Sierra
T ra ta los a spectos bsicos y p ro b le m a s d e la p la n i

ficacin del sector p b lico y sus vin c u la c io n e s con
la p la n ifica ci n g e n e ra l del d e s a rro llo .
BASES PARA LA PLANEACIN ECONMICA Y SO

CIAL DE MEXICO / Horacio Flores de la Pea y otros
El c o n ju n to d e tcnicos q u e c o la b o ra ro n con p o n e n
cias o discu sione s d e las m ism a s a n a liza ro n el p ro
b le m a en un p la n o d e a b so lu ta lib e rta d . Entre ellos
se contaban a d em s d e econom istas socilogos,
a b o g a d o s , a u d ito re s , a d m in is tra d o re s , etc.

Estadistica Aplicada Adesarollo PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Estadistica Aplicada Adesarollo PDF

Uploaded by

Copyright:

Available Formats

ESTADISTICA BASICA PARA

siglo veintiuno de espaa editores, sa

siglo veintiuno argentina editores, sa

siglo veintiuno de colombia, ltda

portada de francisco leyte lobaco

primera edicin, 1971

derechos reservados conforme a la ley

El Instituto Latinoamericano de Planificacin Econmica y Social ( i l p e s ) es un orga

PRIM ERA P A R TE : ESTA DSTICA DESCRIPTIVA

I ESTA D STICA Y PLA N IFIC A C IO N

A. Las necesidades de informacin, 9; B . Mtodos de obtencin de

II ESTAD GRAFO S D ESC R IPTIV O S EST TICO S

A. Distribucin de frecuencia, 27; b . Estadgrafos de tendencia cen

III N M ERO S NDICE

A. El problema general, 90; b . Clases de nmeros ndice, 90; c .

SECUNDA P A R T E : ANALISIS DE REGRESIO N Y CORRELACION

A. Mtodo tic los mnimoscuadrados, 145; b . Consideraciones prc

A. Objetos del anlisis de correlacin, 160; b . Tipos tie correlacin,

rrelacin, 163; f.. Correlacin rectilnea, 164; f . Correlacin no rec

BIBLIO G RA FIA 234

La naturaleza de los trabajos que me correspondi realizar primero

ARTURO NEZ DEL PRADO

M ucho me honra y complace presentar una obra de tan sobre

de los que se siguen en las ciencias fisicoqumicas o en la inge

Circula, tanto en castellano como en otros idiomas, una profusa

permite un m ejor tratam iento de otras asignaturas de los cursos

dictadas en el curso bsico del Program a de Capacitacin del

T o m a r decisiones racionales supone disponer de informaciones

nifica la planificacin. P or lo dems, tam poco parece posible

Identificar los principales problemas de un sistema socioecon

En las proyecciones de las variables socioeconmicas resulta par

del pasado, frente a cambios en determinados factores cuyo com

Si por la imagen a largo plazo que se puede hacer de un pas se

4] E n la delim itacin de la estrategia

Constituye la estrategia el vnculo entre diagnstico e imagen;

5] E n el plan a m ediano plazo

6] E n el plan a corto plazo

7] E n el control d e avance y en la reform ulacin de los planes

se van obteniendo a medida que transcurre el tiempo. P or otra

B. MTODOS DE OBTENCIN DE INFORMACIONES

Para las distintas etapas del proceso de planificacin enum era

Como es sabido constituye una indagacin completa, sobre las

de el punto tie vista de la planificacin, desviaciones razonables

B] Estudios de casos tpicos

4] Experim entacin numrica

tamiento, implican una enorme cantidad de parmetros, muchos

C. LA DISPONIBILIDAD DE INFORMACIN EN AMERICA LATINA

Una apresurada generalizacin sobre las disponibilidades de in

informaciones sobre distribucin de ingreso y de riqueza, y apa

econmicas, difcilmente puede superar todas las pruebas de con

D. EL CONTROL DE LA CALIDAD DE LAS INFORMACIONES ESTADSTICAS

Del aserto que en planificacin no cabe exigir precisin rigurosa,

E. ESTADSTICA PARA PLANIFICACIN

Respecto de las tareas inmediatas que parecen ineludibles, ad

anlisis de las distintas publicaciones en materia estadstica que

3] R equisitos concretos de inform acin estadstica

tura de produccin y la demanda final, implica trabajar con

sobre estimaciones algo elementales. Estimaciones sobre producto,

F. PLAN NACIONAL DE ESTADISTICA

Las anteriores consideraciones sobre escasez, oportunidad, dupli

icacin, o por lo menos estrechamente vinculada a l, debera

ESTADIGRAFOS DESCRIPTIVOS ESTATICOS

Un conjunto de datos, o masa estadstica, puede ser resumido y