UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
POSGRADO EN INGENIERÍA
MAESTRIA EN INGENIERÍA
SISTEMAS/PLANEACIÓN
(OPTIMACIÓN FINANCIERA)
Gestión Financiera
M. en I. Francisco J. Reyes Z.
(Posgrado de Economía de la UNAM) Semestre 2012-1
Jueves 19:00-22:00 hrs.
Correo electrónico: fjreyez@gmail.com
OBJETIVOS
OBJETIVO GENERAL
Afirmar los conocimientos teóricos de las finanzas contemporáneas fundamentales para la toma de decisiones, resaltando el caso de sus enlaces y aplicaciones para la administración del riesgo. El curso está orientado para que en un siguiente semestre se profundice en el conocimiento, teórico, institucional y de administración del riesgo aprovechando los mercados de divisas, y de los productos derivados: contratos adelantados, futuros, opciones, y permutas. Durante este semestre, se resalta el conocimiento de los fundamentos teóricos, modelos, instrumentos y aplicaciones de las finanzas modernas en el contexto de la globalización económica y financiera. Los conocimientos adquiridos son también constituyen una base esencial para consolidar e integrar conocimientos previamente adquiridos y por adquirirlos en otros cursos, y que serán aplicados en el desarrollo de la tesis de grado y muy especialmente en la futura práctica profesional.
OBJETIVOS PARTICULARES
1. Identificar el marco económico e institucional de la globalización financiera, resaltado oportunidades y riesgos.
2. Identificar diferentes tipos de riesgo a los que se exponen, empresas financieras y no financieras, gobiernos, e inversionistas institucionales e individuales, y su posible cobertura con productos derivados.
3. Ampliar los conocimientos sobre las teorías y modelos pilares de la economía financiera desarrollados en las últimas décadas.
4. Revisar los fundamentos sobre la toma de decisiones con riesgo en los mercados financieros
5. Profundizar el conocimiento sobre los modelos sobre tasas de interés e inversión en los mercados financieros
6. Consolidar conocimientos previamente adquiridos sobre los fundamentos de la teoría financiera contemporánea relacionada con las emisiones de valores e inversiones de cartera en los mercados financieros y con la optimización de rendimientos o minimización de pérdidas, tomando en cuenta en ambos casos la exposición al riesgo.
7. Estudiar teorías y modelos alternativos sobre el tipo de cambio, la política cambiaria, así como los riesgos e impactos en la activad económica debido a las fluctuaciones cambiarias.
8. Aplicar los conocimientos adquiridos haciendo seguimientos sobre los mercados financieros mexicanos e internacionales.
ENFOQUE DOCENTE
Proceso de docencia-aprendizaje dinámico e interactivo articulado en base a presentaciones magistrales, tareas, participación en clase y sobre todo una participación interactiva con el desarrollo de los mercados y su dinámica mediante enlaces y aplicaciones disponibles en la red. Los alumnos tienen que hacer todas las lecturas asignadas en el programa, preparar todas las tareas, realizar exposiciones individualmente y por equipos, presentar los exámenes parcial y final, y elaborar dos reportes: 1) revisión de uno de los materiales de apoyo bibliográfico listados en el presente programa, y 2) revisión de un tema del curso, aprovechando la información divulgada en las redes electrónicas/hojas web de organismos internacionales, gobiernos nacionales, universidades e instituciones de educación superior y de investigación, mercados de valores, casas de bolsa, etc. estos trabajos tienen el propósito de vincular los aspectos teóricos, institucionales (revisados en clase), con el análisis especializado y la evolución de los mercados. Se pretende estimular un aprendizaje firme, dinámico e integral de los materiales cubiertos en el curso a la luz de la realidad mundial económica y financiera. El primer trabajo será de carácter individual, en tanto que el segundo trabajo se realizará en equipos organizados al comienzo del curso. (Ojo: favor de hacer preguntas al profesor, para aclarar puntos expuestos., así como para hacer la clase más dinámica y entretenida; también favor de hacer sugerencias al profesor sobre cambios que se pueden adoptar para mejorar el contendido o el enfoque de las clases).
EVALUACION
La evaluación consta de las tareas asignadas, asistencia y participación en clase, un examen parcial, un examen final, y los trabajos arriba indicados. Las ponderaciones de estas actividades son como sigue:
Asistencia y participación en clase....15%
Tareas……………… 30%
Examen único…………………………………………… 25%
Trabajo final………………………………………...30%
POLITICAS DEL CURSO
1. Los alumnos deben traer sus computadoras portátiles (laptop) para analizar en clase los materiales obtenidos por Internet. Obviamente, como mínimo, los alumnos deben traer sus calculadoras todas las clases para participar en la revisión de los problemas presentados en clase, así como en la revisión de las tareas.
3. Los teléfonos celulares y otros medios de comunicación electrónica a distancia deben permanecer apagados/cerrados durante la clase.
4. La Universidad es un lugar público. Por tanto esta prohibido fumar.
PROGRAMA
Unidad Uno: El Entorno de las Finanzas Globales
1. Nuevo Milenio y Entorno Global de las Finanzas: Riesgos y Oportunidades
Unidad Dos: Teoría y Modelos Pilares de las Finanzas Modernas
2. Tipos y Características del Riesgo en las Finanzas y Posibilidad de Cobertura con Productos Derivados
3. Decisiones Financieras Bajo Riesgo: Teoría de la Selección en los Mercados y la Utilidad Esperada y Teoría de las perspectivas
4. Tasas de Interés: Teoría y Modelos sobre su Determinación, Estructura y Equilibrio Macroeconómico
5. Teoría Moderna de las Inversiones y la Cartera: Teoría, Modelos de Optimización de Rendimientos y Modelos de Minimización de Pérdidas
6. Divisas: Teoría, Modelos y Políticas Cambiarias
TEXTOS
o Edgar Ortiz, Finanzas y Productos Derivados: Futuros, Opciones Swaps,” mimeo, UNAM, 2008.
(Los Capítulos que cubren cada uno de los tópicos arriba del programa se enviarán a los alumnos vía Internet en archivos pdf).
Los materiales de este texto se han beneficiado de impartir los cursos de Gestión Financiera, Ingeniería Financiera y Productos Derivados por varios años del Programa de Posgrado en Ingeniería impartidos por el Dr. Edgar Ortiz Calisto (edgaro@unam.mx).
TEXTOS COMPLEMENTARIOS
o Berk, J.B., y DeMarzo, P.M. 2007. Corporate Finance. Upper Saddle River, NJ: Pearson Internacional Edition.
o Brigham, E. F. y Daves, P.R. 2006. Intermediate Financial Management. Florence, KY: Cengage Learning.
o Brown, K.C. y Reilly, F.K. 2005. Investment Analysis and Portfolio Management Mason.OH: Thompson South- Western.
o Eiteman, D.K., Moffett, M.H., y Stonehill, A.I. Multinational Business Finance. 2006. Indianapolis: Addison Wesley.
o Elbaum, M. 2006. Administracion de Carteras de Inversión. Buenos Aires: Ediciones Macchi
o Elton, E.J., Gruber, M.J., y Brown, S.J. 2006. Modern Portfolio Theory and Investment Analysis. New York: John Wiley & Sons.
o Fabozzi, F.J., Modigliani, F. 2008. Capital Markets: Institutions and Instruments. London: Pearson Prentice.Hall.
o Frydman, R., Goldberg, M.D., y Phelps, E.S. 2007. Imperfect Knowledge Economics: Exchange Rates and Risk. Princeton: Princeton University Press.
o Gitman, L.I. 2008. Fundamentos De Inversiones. London: Pearson Prentice Hall
o Kellison. S.G. 2008. The Theory of Interest. 2008. New York:McGraw-Hill
o Jalife, Alfredo (2007), El fin de una era, turbulencias en la globalización, Libros del Zorzal, Argentina.
o MacDonald, R. 2007. Exchange Rate Economics: Theories and Evidence. Londres: Taylor & Francis,
o Madura, J. 2005. International Financial Management. Mason.OH: Thompson South- Western.
o Marín, J.M., y ruvio, G. Economía Financiera. Barcelona: Antonio Bosch Editor.
o Messutu, D.J., Alvarez, V.A., y Graffi. H.R. 2001. Selección de Inversiones. Introducción a la Teoría de la Cartera. Buenos Aires: Ediciones Macchi.
o Oatley, T. 2007. International Political Economy : Interests and Institutions in the Global Economy. London: Pearson Longman.
o Ross, S.A., Westerfield, R.W., y Jaffe, J. 2007. Corporate Finance.New York: McGrawHill.
o Van Deventer, D.R., Imai, K. y Mesrler, M. Advanced Financial Risk Management : Tools and Techniques for Integrated Credit Risk and Interest Rate Risk Management. 2004. New York: John Wiley & Sons.
Francisco J. Reyes Z. Posgrado de Ingeniería, UNAM Docencia Informática, CIFE, UNAM fjreyez@gmail.com
Francisco J. Reyes Z. Posgrado de Ingeniería, UNAM Docencia Informática, CIFE, UNAM fjreyez@gmail.com
viernes, 6 de agosto de 2010
Tarea 1. Gestión Financiera.
GESTIÓN FINANCIERA. TAREA 1
* Leer el libro "EL FIN DE UNA ERA, TURBULENCIAS EN LA GLOBALIZACIÓN" de Alfredo Jalife;
a) Realizar un resumen y comentarios (críticas y sugerencias) sobre la lectura, haciendo una reflexión personal sobre los temas más relevantes que abarca el autor. Máximo 2 cuartillas.
b) Realice un cuestionario de tres preguntas (con sus respectivas respuestas).
La tarea es individual.
Francisco J. Reyes Z. Posgrado de Ingeniería, UNAM
fjreyez@gmail.com
* Leer el libro "EL FIN DE UNA ERA, TURBULENCIAS EN LA GLOBALIZACIÓN" de Alfredo Jalife;
a) Realizar un resumen y comentarios (críticas y sugerencias) sobre la lectura, haciendo una reflexión personal sobre los temas más relevantes que abarca el autor. Máximo 2 cuartillas.
b) Realice un cuestionario de tres preguntas (con sus respectivas respuestas).
La tarea es individual.
Francisco J. Reyes Z. Posgrado de Ingeniería, UNAM
fjreyez@gmail.com
miércoles, 3 de febrero de 2010
VARIABLES Y ESCALAS EN SPSS
DEFINICIONES DE VARIABLES Y ESCALAS EN SPSS
Clasificación:
Las variables pueden ser clasificadas como cuantitativas (intervalares) o cualitativas
(categóricas), dependiendo si los valores presentados tienen o no un orden de
magnitud natural (cuantitativas), o simplemente un atributo no sometido a
cuantificación (cualitativa).
Una variable es medida utilizando una escala de medición. La elección de la(s) escala(s)
de medición a utilizar depende, en primer lugar, del tipo de variable en estudio, y,
además, del manejo estadístico a la que se someterá la información. En términos
prácticos, existe una correspondencia directa entre el concepto de variable y escala de
medición.
Un atributo corresponde a un valor específico de una variable, como ser el caso de la
variable sexo, la que posee dos atributos: varón o mujer. En variables que exploran el
grado de acuerdo o desacuerdo frente a una afirmación los atributos podrían ser:
1 = muy en desacuerdo
2 = en desacuerdo
3 = indiferente
4 = de acuerdo
5 = muy de acuerdo
Dependiendo de los valores que puede tener una variable cualitativa, ésta puede a su
vez ser dicotómicas (cuando sólo pueden adoptar un sólo valor sin jerarquía entre sí;
hombre ‐ mujer, positivo‐negativo, presente‐ausente), o bien, poli o multicotómicas ,si
existe la posibilidad de que adopten múltiples valores (edad, talla, nivel
socioeconómico, grupos sanguíneos, calificación previsional de usuarios).
1. Las variables cualitativas pueden agruparse en variables nominales u ordinales.
Hablaremos de variable nominal cuando los datos correspondan a una variable
cualitativa que se agrupa sin ninguna jerarquía entre sí, como por ejemplo:
nombres de personas, de establecimientos, raza, grupos sanguíneos, estado
civil. Estas variables no tienen ningún orden inherente a ellas ni un orden de
jerarquía.
Si las categorías o valores que adopte una variable cualitativa poseen un orden,
secuencia o progresión natural esperable, hablaremos de variable ordinal,
como por ejemplo: grados de desnutrición, respuesta a un tratamiento, nivel
socioeconómico, intensidad de consumo de alcohol, días de la semana, meses
del año, escalas de Killip o Apgar. A pesar de este orden jerárquico no es
posible obtener valoración numérica lógica entre dos valores.
2. Las variables de tipo cuantitativo pueden a su vez ser clasificadas como
continuas o discretas. Las escalas cuantitativas son reconocidas también como
escalas intervalares o numéricas.
Si entre dos valores determinados existen infinitas posibilidades de valores,
hablaremos de una variable de tipo continuo. Ejemplos de este tipo de
variables son: el peso, la talla, la presión arterial o el nivel de colesterol sérico.
En la práctica, salvo contadas excepciones no se dispone de métodos de
medición sofisticados como para poder medir exactamente los valores, por
ejemplo, de talla. En estricto rigor, la probabilidad que dos individuos tengan
exactamente la misma talla o edad es muy baja.
Si la variable a medir sólo puede adoptar un sólo valor numérico, entero, con
valores intermedios que carecen de sentido, hablaremos de variable
cuantitativa de tipo discreto. Son ejemplos de ellas: el número de hijos, de
unidades vecinales del sector, número de exámenes de laboratorio o de
pacientes atendidos.
Tanto las variables discretas como las continuas pueden agruparse
construyendo intervalos, entre cuyos valores extremos se ubicarán las
diferentes observaciones registradas. Sin embargo, estrictamente hablando,
sólo las variables continuas pueden ser objeto de categorización mediante
intervalos.
no cuatificables) y cuantitativas (las que representan características cuantificables).
La variables cualitativas se dividen en nominales y ordinales. Las variables cualitativas
nominales se refieren a atributos que no se pueden representar con números, como
color, sexo, lugar de nacimiento, preferencias de marca, etc.
Las variables cualitativas ordinales representan un orden o jerarquía. Aunque pueden
usarse números para representarlas, estos solo indican el orden o "puesto" dentro de
un conjunto ordenado. Ejemplos: el orden de nacimiento dentro de un grupo de
hermanos, el orden en que llegaron los participantes en una competencia, el puesto en
el cuadro de honor en un grupo de alumnos, etc.
Las variables cuantitativas se dividen en discretas (las que solo pueden asumir una
cantidad finita de valores), y las contínuas (las que pueden asumir una cantidad infinita
de valores).
Las variables cuantitativas discretas provienen generalmente de contar objetos, por
ejemplo: número de hijos en la familia, número de veces al día que alguien se lava las
manos, número de clientes que visitaron cierto lugar, número e preguntas en
cuestionario, etc.
Las variables cuantitativas continuas provienen de hacer mediciones. Por ejemplo:
estatura, peso, longitud de un objeto, volumen, ingresos personales o familiares,
distancias, etc.
Datos nominales y ordinales:
Las variables pueden ser cualitativas o cuantitativas.
Variables cualitativas: aquellas que no aparecen en forma numérica, sino como
categorías o atributos (sexo, profesión, color de ojos) y sólo pueden ser nominales u
ordinales.
Variables nominales: lo único que puede hacerse es establecer frecuencias en cada
atributo y la igualdad o desigualdad entre los diferentes casos, ver cuál es el grupo que
tiene mayor frecuencia alcanzando el concepto de “moda” (y también obtener algunas
medidas de asociación cuando se relacionan variables entre sí).
Variables ordinales: recogen la idea de orden pero no tiene sentido realizar
operaciones aritméticas con ellas (acuerdo o desacuerdo con un proyecto de ley) ya
que no puede medirse distancia entre una categoría y otra. Se puede establecer aquí
igualdad y desigualdad, y relaciones como mayor que, y menor que. Puede
establecerse orden, pero no medirse distancia dentro de ese orden. La medida
estadística de tendencia central más apropiada para estas escalas es la "mediana".
DEFINICIÓN 3
1. NOMINAL
Son variables numéricas cuyos valores representan una categoría o identifican un
grupo de pertenencia. Este tipo de variables sólo nos permite establecer relaciones de
igualdad/desigualdad entre los elementos de la variable. La asignación de los valores
se realiza en forma aleatoria por lo que NO cuenta con un orden lógico. Un ejemplo de
este tipo de variables es el Género ya que nosotros podemos asignarle un valor a los
hombres y otro diferente a las mujeres y por más machistas o feministas que seamos
no podríamos establecer que uno es mayor que el otro.
2. ORDINAL
Son variables numéricas cuyos valores representan una categoría o identifican un
grupo de pertenencia contando con un orden lógico. Este tipo de variables nos permite
establecer relaciones de igualdad/desigualdad y a su vez, podemos identificar si una
categoría es mayor o menor que otra. Un ejemplo de variable ordinal es el nivel de
educación, ya que se puede establecer que una persona con título de Postgrado tiene
un nivel de educación superior al de una persona con título de bachiller. En las
variables ordinales no se puede determinar la distancia entre sus categorías, ya que no
es cuantificable o medible.
3. INTERVALO
Son variables numéricas cuyos valores representan magnitudes y la distancia entre los
números de su escala es igual. Con este tipo de variables podemos realizar
comparaciones de igualdad/desigualdad, establecer un orden dentro de sus valores y
medir la distancia existente entre cada valor de la escala. Las variables de intervalo
carecen de un cero absoluto, por lo que operaciones como la multiplicación y la
división no son realizables. Un ejemplo de este tipo de variables es la temperatura, ya
que podemos decir que la distancia entre 10 y 12 grados es la misma que la existente
entre 15 y 17 grados. Lo que no podemos establecer es que una temperatura de 10
grados equivale a la mitad de una temperatura de 20 grados.
4. RAZÓN
Las variables de razón poseen las mismas características de las variables de intervalo,
con la diferencia que cuentan con un cero absoluto; es decir, el valor cero (0)
representa la ausencia total de medida, por lo que se puede realizar cualquier
operación Aritmética (Suma, Resta, Multiplicación y División) y Lógica (Comparación y
ordenamiento). Este tipo de variables permiten el nivel más alto de medición. Las
variables altura, peso, distancia o el salario, son algunos ejemplos de este tipo de
escala de medida.
Debido a la similitud existente entre las escalas de intervalo y de razón, SPSS las ha
reunido en un nuevo tipo de medida exclusivo del programa, al cual denomina
Escala. Las variables de escala son para SPSS todas aquellas variables cuyos valores
representan magnitudes, ya sea que cuenten con un cero (0) absoluto o no. Teniendo
esto en cuenta discutiremos a continuación los diferentes procedimientos
estadísticos que se pueden utilizar de acuerdo al tipo de medida de cada variable.
B. Análisis Descriptivo de acuerdo al nivel de Medida
No todos los procedimientos estadísticos son realmente útiles para la totalidad de los
niveles de medida. Cada uno de los tipos de medida posee ciertas características, las
cuales debemos tener en cuenta en el momento de realizar un análisis descriptivo. En
la tabla [1], encontrará algunos de los procedimientos que resultan ventajosos en los
análisis descriptivos de los diferentes niveles de medida. Es necesario aclarar que esta
tabla es sólo una muestra de las medidas que se pueden emplear; en algunos textos de
estadística aparecen tablas más amplias y detalladas de los procedimientos.
Tabla 1
En la tabla 1 se notará que los niveles Nominal y Ordinal cuentan con los mismos
procedimientos de análisis, por lo que se agrupan como variables categóricas. A partir
de este punto cuando nos refiramos a las variables categóricas debemos recordar que
se alude a las variables de tipo Nominal y Ordinal.
Es importante resaltar que para los análisis descriptivos no hay una gran diferencia
entre estos dos tipos de variables, pero si existe diferencia en los análisis de Inferencia.
Antes de conocer como se efectúan estos procedimientos en SPSS, es necesario
exponer las razones por las que ciertos procedimientos no son de utilidad en algunos
de los niveles de medida.
B.1. Variables Categóricas
Para las variables que representan categorías o grupos de pertenencia, los principales
procedimientos estadísticos, que se pueden utilizar en su análisis descriptivo son las
frecuencias (Recuento), el Porcentaje, la Moda, en algunos casos la mediana y los
gráficos más favorables son el de Sectores y el de Barras.
Para comprender mejor la razón de estos procedimientos vamos a realizar el análisis
de la variable Género, la cual cuenta con los valores (1, 1, 1, 1, 1, 1, 1, 1, 2, 2); en
donde el valor uno (1) representa al género Femenino y el valor Dos (2) al género
Masculino. Las frecuencias y sus respectivos porcentajes para esta variable serían los
expuestos en la tabla 2. Ahora si hallamos las principales medidas de tendencia
central, obtenemos los resultados expuestos en la tabla 2.
Tabla 2
Si nos fijamos en los resultados notaremos que la Media toma el valor 1.2, el cual nos
indica que en promedio los encuestados cuenta con un género de (1.2). Este resultado
no posee una interpretación aplicable a la información de la variable, por lo que esta
medida no es de utilidad en el análisis descriptivo.
Si observamos la Mediana notaremos que toma el valor 1, que para el caso
corresponde al género Femenino, pero si en vez de 10 valores tuviéramos únicamente
dos (1 y 2), la mediana sería de (1.5), cuya interpretación no es aplicable a la
información de la variable. La mediana se puede utilizar cuando estamos trabajando
con variables que contienen un elevado número de categorías y su interpretación se
debe manejar como un factor informativo para el investigador y no como una medida
representativa en el reporte.
Por último encontramos la Moda, la cual para el caso asume el valor 1 y nos indica que
la categoría con mayor frecuencia dentro de la variable es la correspondiente al género
Femenino. Las medidas de dispersión y distribución no son aplicables a este tipo de
variables ya que sus ecuaciones nos permiten determinar cómo se comportan los
datos respecto a un punto central o media. Si hallamos la desviación estándar para los
datos del ejemplo, obtendríamos un valor de 0.42164, que nos indicaría que el
promedio del género presenta una variación de ±0.42, cuyo resultado no sería
aplicable a la interpretación de la variable.
B.2. Variables de Escala
Este tipo de variables nos permite realizar análisis más profundos de los datos,
aplicando una gran variedad de medidas. Al contrario de las variables categóricas en
este tipo de variables las frecuencias no son de utilidad en los análisis descriptivos,
debido a la gran cantidad de valores que suele tomar. Supongamos que realizamos un
sondeo de edad con una muestra de 500 personas, si generamos una tabla de
frecuencias obtendríamos fácilmente unos 60 o 70 rangos diferentes haciéndola muy
extensa y poco informativa.
Para las variables de escala son más informativas las medidas como la media, la
mediana, la desviación estándar, la asimetría y otras más, a las cuales se les suele
denominar Medidas de Resumen.
DEFINICIÓN 1
Clasificación:
Las variables pueden ser clasificadas como cuantitativas (intervalares) o cualitativas
(categóricas), dependiendo si los valores presentados tienen o no un orden de
magnitud natural (cuantitativas), o simplemente un atributo no sometido a
cuantificación (cualitativa).
Una variable es medida utilizando una escala de medición. La elección de la(s) escala(s)
de medición a utilizar depende, en primer lugar, del tipo de variable en estudio, y,
además, del manejo estadístico a la que se someterá la información. En términos
prácticos, existe una correspondencia directa entre el concepto de variable y escala de
medición.
Un atributo corresponde a un valor específico de una variable, como ser el caso de la
variable sexo, la que posee dos atributos: varón o mujer. En variables que exploran el
grado de acuerdo o desacuerdo frente a una afirmación los atributos podrían ser:
1 = muy en desacuerdo
2 = en desacuerdo
3 = indiferente
4 = de acuerdo
5 = muy de acuerdo
Dependiendo de los valores que puede tener una variable cualitativa, ésta puede a su
vez ser dicotómicas (cuando sólo pueden adoptar un sólo valor sin jerarquía entre sí;
hombre ‐ mujer, positivo‐negativo, presente‐ausente), o bien, poli o multicotómicas ,si
existe la posibilidad de que adopten múltiples valores (edad, talla, nivel
socioeconómico, grupos sanguíneos, calificación previsional de usuarios).
1. Las variables cualitativas pueden agruparse en variables nominales u ordinales.
Hablaremos de variable nominal cuando los datos correspondan a una variable
cualitativa que se agrupa sin ninguna jerarquía entre sí, como por ejemplo:
nombres de personas, de establecimientos, raza, grupos sanguíneos, estado
civil. Estas variables no tienen ningún orden inherente a ellas ni un orden de
jerarquía.
Si las categorías o valores que adopte una variable cualitativa poseen un orden,
secuencia o progresión natural esperable, hablaremos de variable ordinal,
como por ejemplo: grados de desnutrición, respuesta a un tratamiento, nivel
socioeconómico, intensidad de consumo de alcohol, días de la semana, meses
del año, escalas de Killip o Apgar. A pesar de este orden jerárquico no es
posible obtener valoración numérica lógica entre dos valores.
2. Las variables de tipo cuantitativo pueden a su vez ser clasificadas como
continuas o discretas. Las escalas cuantitativas son reconocidas también como
escalas intervalares o numéricas.
Si entre dos valores determinados existen infinitas posibilidades de valores,
hablaremos de una variable de tipo continuo. Ejemplos de este tipo de
variables son: el peso, la talla, la presión arterial o el nivel de colesterol sérico.
En la práctica, salvo contadas excepciones no se dispone de métodos de
medición sofisticados como para poder medir exactamente los valores, por
ejemplo, de talla. En estricto rigor, la probabilidad que dos individuos tengan
exactamente la misma talla o edad es muy baja.
Si la variable a medir sólo puede adoptar un sólo valor numérico, entero, con
valores intermedios que carecen de sentido, hablaremos de variable
cuantitativa de tipo discreto. Son ejemplos de ellas: el número de hijos, de
unidades vecinales del sector, número de exámenes de laboratorio o de
pacientes atendidos.
Tanto las variables discretas como las continuas pueden agruparse
construyendo intervalos, entre cuyos valores extremos se ubicarán las
diferentes observaciones registradas. Sin embargo, estrictamente hablando,
sólo las variables continuas pueden ser objeto de categorización mediante
intervalos.
DEFINICIÓN 2
Las variables se dividen en cualitativas (las que representan atributos o característicasno cuatificables) y cuantitativas (las que representan características cuantificables).
La variables cualitativas se dividen en nominales y ordinales. Las variables cualitativas
nominales se refieren a atributos que no se pueden representar con números, como
color, sexo, lugar de nacimiento, preferencias de marca, etc.
Las variables cualitativas ordinales representan un orden o jerarquía. Aunque pueden
usarse números para representarlas, estos solo indican el orden o "puesto" dentro de
un conjunto ordenado. Ejemplos: el orden de nacimiento dentro de un grupo de
hermanos, el orden en que llegaron los participantes en una competencia, el puesto en
el cuadro de honor en un grupo de alumnos, etc.
Las variables cuantitativas se dividen en discretas (las que solo pueden asumir una
cantidad finita de valores), y las contínuas (las que pueden asumir una cantidad infinita
de valores).
Las variables cuantitativas discretas provienen generalmente de contar objetos, por
ejemplo: número de hijos en la familia, número de veces al día que alguien se lava las
manos, número de clientes que visitaron cierto lugar, número e preguntas en
cuestionario, etc.
Las variables cuantitativas continuas provienen de hacer mediciones. Por ejemplo:
estatura, peso, longitud de un objeto, volumen, ingresos personales o familiares,
distancias, etc.
Datos nominales y ordinales:
Las variables pueden ser cualitativas o cuantitativas.
Variables cualitativas: aquellas que no aparecen en forma numérica, sino como
categorías o atributos (sexo, profesión, color de ojos) y sólo pueden ser nominales u
ordinales.
Variables nominales: lo único que puede hacerse es establecer frecuencias en cada
atributo y la igualdad o desigualdad entre los diferentes casos, ver cuál es el grupo que
tiene mayor frecuencia alcanzando el concepto de “moda” (y también obtener algunas
medidas de asociación cuando se relacionan variables entre sí).
Variables ordinales: recogen la idea de orden pero no tiene sentido realizar
operaciones aritméticas con ellas (acuerdo o desacuerdo con un proyecto de ley) ya
que no puede medirse distancia entre una categoría y otra. Se puede establecer aquí
igualdad y desigualdad, y relaciones como mayor que, y menor que. Puede
establecerse orden, pero no medirse distancia dentro de ese orden. La medida
estadística de tendencia central más apropiada para estas escalas es la "mediana".
DEFINICIÓN 3
1. NOMINAL
Son variables numéricas cuyos valores representan una categoría o identifican un
grupo de pertenencia. Este tipo de variables sólo nos permite establecer relaciones de
igualdad/desigualdad entre los elementos de la variable. La asignación de los valores
se realiza en forma aleatoria por lo que NO cuenta con un orden lógico. Un ejemplo de
este tipo de variables es el Género ya que nosotros podemos asignarle un valor a los
hombres y otro diferente a las mujeres y por más machistas o feministas que seamos
no podríamos establecer que uno es mayor que el otro.
2. ORDINAL
Son variables numéricas cuyos valores representan una categoría o identifican un
grupo de pertenencia contando con un orden lógico. Este tipo de variables nos permite
establecer relaciones de igualdad/desigualdad y a su vez, podemos identificar si una
categoría es mayor o menor que otra. Un ejemplo de variable ordinal es el nivel de
educación, ya que se puede establecer que una persona con título de Postgrado tiene
un nivel de educación superior al de una persona con título de bachiller. En las
variables ordinales no se puede determinar la distancia entre sus categorías, ya que no
es cuantificable o medible.
3. INTERVALO
Son variables numéricas cuyos valores representan magnitudes y la distancia entre los
números de su escala es igual. Con este tipo de variables podemos realizar
comparaciones de igualdad/desigualdad, establecer un orden dentro de sus valores y
medir la distancia existente entre cada valor de la escala. Las variables de intervalo
carecen de un cero absoluto, por lo que operaciones como la multiplicación y la
división no son realizables. Un ejemplo de este tipo de variables es la temperatura, ya
que podemos decir que la distancia entre 10 y 12 grados es la misma que la existente
entre 15 y 17 grados. Lo que no podemos establecer es que una temperatura de 10
grados equivale a la mitad de una temperatura de 20 grados.
4. RAZÓN
Las variables de razón poseen las mismas características de las variables de intervalo,
con la diferencia que cuentan con un cero absoluto; es decir, el valor cero (0)
representa la ausencia total de medida, por lo que se puede realizar cualquier
operación Aritmética (Suma, Resta, Multiplicación y División) y Lógica (Comparación y
ordenamiento). Este tipo de variables permiten el nivel más alto de medición. Las
variables altura, peso, distancia o el salario, son algunos ejemplos de este tipo de
escala de medida.
Debido a la similitud existente entre las escalas de intervalo y de razón, SPSS las ha
reunido en un nuevo tipo de medida exclusivo del programa, al cual denomina
Escala. Las variables de escala son para SPSS todas aquellas variables cuyos valores
representan magnitudes, ya sea que cuenten con un cero (0) absoluto o no. Teniendo
esto en cuenta discutiremos a continuación los diferentes procedimientos
estadísticos que se pueden utilizar de acuerdo al tipo de medida de cada variable.
B. Análisis Descriptivo de acuerdo al nivel de Medida
No todos los procedimientos estadísticos son realmente útiles para la totalidad de los
niveles de medida. Cada uno de los tipos de medida posee ciertas características, las
cuales debemos tener en cuenta en el momento de realizar un análisis descriptivo. En
la tabla [1], encontrará algunos de los procedimientos que resultan ventajosos en los
análisis descriptivos de los diferentes niveles de medida. Es necesario aclarar que esta
tabla es sólo una muestra de las medidas que se pueden emplear; en algunos textos de
estadística aparecen tablas más amplias y detalladas de los procedimientos.
Tabla 1
En la tabla 1 se notará que los niveles Nominal y Ordinal cuentan con los mismos
procedimientos de análisis, por lo que se agrupan como variables categóricas. A partir
de este punto cuando nos refiramos a las variables categóricas debemos recordar que
se alude a las variables de tipo Nominal y Ordinal.
Es importante resaltar que para los análisis descriptivos no hay una gran diferencia
entre estos dos tipos de variables, pero si existe diferencia en los análisis de Inferencia.
Antes de conocer como se efectúan estos procedimientos en SPSS, es necesario
exponer las razones por las que ciertos procedimientos no son de utilidad en algunos
de los niveles de medida.
B.1. Variables Categóricas
Para las variables que representan categorías o grupos de pertenencia, los principales
procedimientos estadísticos, que se pueden utilizar en su análisis descriptivo son las
frecuencias (Recuento), el Porcentaje, la Moda, en algunos casos la mediana y los
gráficos más favorables son el de Sectores y el de Barras.
Para comprender mejor la razón de estos procedimientos vamos a realizar el análisis
de la variable Género, la cual cuenta con los valores (1, 1, 1, 1, 1, 1, 1, 1, 2, 2); en
donde el valor uno (1) representa al género Femenino y el valor Dos (2) al género
Masculino. Las frecuencias y sus respectivos porcentajes para esta variable serían los
expuestos en la tabla 2. Ahora si hallamos las principales medidas de tendencia
central, obtenemos los resultados expuestos en la tabla 2.
Tabla 2
Si nos fijamos en los resultados notaremos que la Media toma el valor 1.2, el cual nos
indica que en promedio los encuestados cuenta con un género de (1.2). Este resultado
no posee una interpretación aplicable a la información de la variable, por lo que esta
medida no es de utilidad en el análisis descriptivo.
Si observamos la Mediana notaremos que toma el valor 1, que para el caso
corresponde al género Femenino, pero si en vez de 10 valores tuviéramos únicamente
dos (1 y 2), la mediana sería de (1.5), cuya interpretación no es aplicable a la
información de la variable. La mediana se puede utilizar cuando estamos trabajando
con variables que contienen un elevado número de categorías y su interpretación se
debe manejar como un factor informativo para el investigador y no como una medida
representativa en el reporte.
Por último encontramos la Moda, la cual para el caso asume el valor 1 y nos indica que
la categoría con mayor frecuencia dentro de la variable es la correspondiente al género
Femenino. Las medidas de dispersión y distribución no son aplicables a este tipo de
variables ya que sus ecuaciones nos permiten determinar cómo se comportan los
datos respecto a un punto central o media. Si hallamos la desviación estándar para los
datos del ejemplo, obtendríamos un valor de 0.42164, que nos indicaría que el
promedio del género presenta una variación de ±0.42, cuyo resultado no sería
aplicable a la interpretación de la variable.
B.2. Variables de Escala
Este tipo de variables nos permite realizar análisis más profundos de los datos,
aplicando una gran variedad de medidas. Al contrario de las variables categóricas en
este tipo de variables las frecuencias no son de utilidad en los análisis descriptivos,
debido a la gran cantidad de valores que suele tomar. Supongamos que realizamos un
sondeo de edad con una muestra de 500 personas, si generamos una tabla de
frecuencias obtendríamos fácilmente unos 60 o 70 rangos diferentes haciéndola muy
extensa y poco informativa.
Para las variables de escala son más informativas las medidas como la media, la
mediana, la desviación estándar, la asimetría y otras más, a las cuales se les suele
denominar Medidas de Resumen.
Temario del Curso Análisis Estadístico Multivariante
OBJETIVO
La asignatura tiene como objetivo dotar al participante del instrumental teórico y práctico que le permita realizar de manera eficiente y profunda una mejor toma de decisiones al abordar y resolver problemas multidimensionales del mundo real. Este objetivo se logrará en base a la recopilación y procesamiento del análisis de datos para la interpretación de resultados mediante las principales técnicas estadística multivariada. Las técnicas de análisis multivariado tienen un papel fundamental en la realización de estudios completos y rigurosos en el ámbito de la economía aprovechando las posibilidades que ofrecen las nuevas tecnologías.
T E M A R I O
1. BASES PARA EL ANÁLISIS MULTIVARIADO
1.1 Concepto de análisis multivariado
1.2 Aplicaciones de los métodos multivariados
1.3 Breve historia
1.4 Tipos de datos y organización
1.5 Repaso de álgebra matricial
1.6 Métodos de análisis multivariado
2. MÉTODOS DE DEPENDENCIA O EXPLICATIVOS
2.1 Análisis de contingencia
2.1.1 Tablas
2.1.2 Estadísticos
2.2 Análisis de correlación
2.2.1 Correlación lineal simple
2.2.2 Correlación Parcial
2.3 Análisis de regresión (Path análisis)
2.3.1 Regresión Lineal Simple
2.3.2 Regresión Lineal Múltiple
2.3.3 Regresión Logística
2.4 Análisis de la varianza
2.4.1 Análisis de varianza de un factor
2.4.2 Análisis de varianza factorial
2.4.3 Análisis de varianza con medidas repetidas
2.5 Análisis discriminante
2.5.1 Análisis discriminante: dos grupos
2.5.2 Estadísticos
2.5.3 Métodos
2.5.4 Análisis discriminante con más de dos Grupos
3. MÉTODOS DE INTERDEPENDENCIA O DESCRIPTIVOS
3.1 Análisis de componentes principales
3.1.1 Reducción de la dimensión de un conjunto de información
3.1.2 Propiedades relevantes, cálculo e interpretación de los componentes principales
3.1.3 Índice Kaiser-Meyer-Oklin (KMO)
3.2 Análisis de conglomerados (k medias y jerárquicos)
3.2.1 Procedimiento de K Medias
3.2.2 Análisis Jerárquico
3.2.3 Estadísticos
3.2.4 Métodos (conglomeración, distancias, valores, medidas)
3.3 Análisis factorial
3.3.1 Extracción
3.3.2 Rotación
3.3.3 Puntuaciones Factoriales
METODOLOGÍA
1. Las clases serán teóricas y prácticas utilizando paquetería como la hoja de cálculo Excel, el paquete econométrico EVIEWS y el paquete estadístico SPSS.
2. Apoyo de material: a) exposiciones con video proyector (cañón); y b) lecturas, guías, ejemplos y tareas vía página WEB.
3. En el laboratorio de cómputo, se realizarán estudios de caso mediante guías.
EVALUACIÓN
1. Tareas semanales mediante la aplicación de la materia vista en clase
2. Controles de lectura
3. Se realizarán un examen y un trabajo final.
4. Criterio: asistencia (10%), tareas (15%), examen 1 (35%), trabajo final (40%).
BIBLIOGRAFÍA ELEMENTAL
1. Abascal, Elena & Grande, Idelfonso, “Métodos multivariantes para la investigación comercial”, ed. Ariel, México.
2. Cea D’Ancona, Ma. Ángeles (2004), “Análisis Multivariable. Teoría y práctica en la investigación social”, Ed. Síntesis, España.
3. Dallas E. Anális,”Métodos multivariados aplicados al análisis de datos”, Thompson Edit., México, 1998.
4. Härdle, Wolfang, Simar Léopold, “Applied Multivariate Statistical Analysis”, 2nd. Ed., Springer, Berlin, 2007.
5. Giri, Narayan C., “Multivariate Statistical Análisis”, Marcel Dekker ed., 2ª ed., U.S.A., 2004.
6. Manly, Bryan F., “Multivariate Statistical Methods, A Primer”, Chapman & Hall/CRC, USA, 2005.
7. Peña, Daniel, “Análisis de datos multivariantes”, Mac Graw Hill, España, 2002.
8. Pérez, César, “Técnicas de Análisis Multivariantes de datos, aplicaciones con SPSS”, Prentice Hall, España, 2004.
9. Tinsley, H., Brown, Steven D, “Handbook of Applied Multivariate Statistical and Mathematical Modelling”, Academic Press, USA, 2000.
10. Van de Geer, John P., “Introduction to Multivariate Analysis for the Social Sciencies”, W. H. Freeman and Company, USA, 1971.
BIBLIOGRAFÍA ELEMENTAL
-Canavos C. George, “Probabilidad y estadística: aplicaciones y métodos”, Mc Graw Hill, México,1988.
-Hernández O., José, Ramírez Q., Ma. José, Ferri R., Cèsar, “Introducción a la minería de datos”, Prentice Hall, España, 2004.
-Kinnear, Thomas C., Taylor, James R., “Investigación de mercados, un enfoque aplicado”, Mc Graw Hill, 4ª ed., México, 1995.
La asignatura tiene como objetivo dotar al participante del instrumental teórico y práctico que le permita realizar de manera eficiente y profunda una mejor toma de decisiones al abordar y resolver problemas multidimensionales del mundo real. Este objetivo se logrará en base a la recopilación y procesamiento del análisis de datos para la interpretación de resultados mediante las principales técnicas estadística multivariada. Las técnicas de análisis multivariado tienen un papel fundamental en la realización de estudios completos y rigurosos en el ámbito de la economía aprovechando las posibilidades que ofrecen las nuevas tecnologías.
T E M A R I O
1. BASES PARA EL ANÁLISIS MULTIVARIADO
1.1 Concepto de análisis multivariado
1.2 Aplicaciones de los métodos multivariados
1.3 Breve historia
1.4 Tipos de datos y organización
1.5 Repaso de álgebra matricial
1.6 Métodos de análisis multivariado
2. MÉTODOS DE DEPENDENCIA O EXPLICATIVOS
2.1 Análisis de contingencia
2.1.1 Tablas
2.1.2 Estadísticos
2.2 Análisis de correlación
2.2.1 Correlación lineal simple
2.2.2 Correlación Parcial
2.3 Análisis de regresión (Path análisis)
2.3.1 Regresión Lineal Simple
2.3.2 Regresión Lineal Múltiple
2.3.3 Regresión Logística
2.4 Análisis de la varianza
2.4.1 Análisis de varianza de un factor
2.4.2 Análisis de varianza factorial
2.4.3 Análisis de varianza con medidas repetidas
2.5 Análisis discriminante
2.5.1 Análisis discriminante: dos grupos
2.5.2 Estadísticos
2.5.3 Métodos
2.5.4 Análisis discriminante con más de dos Grupos
3. MÉTODOS DE INTERDEPENDENCIA O DESCRIPTIVOS
3.1 Análisis de componentes principales
3.1.1 Reducción de la dimensión de un conjunto de información
3.1.2 Propiedades relevantes, cálculo e interpretación de los componentes principales
3.1.3 Índice Kaiser-Meyer-Oklin (KMO)
3.2 Análisis de conglomerados (k medias y jerárquicos)
3.2.1 Procedimiento de K Medias
3.2.2 Análisis Jerárquico
3.2.3 Estadísticos
3.2.4 Métodos (conglomeración, distancias, valores, medidas)
3.3 Análisis factorial
3.3.1 Extracción
3.3.2 Rotación
3.3.3 Puntuaciones Factoriales
METODOLOGÍA
1. Las clases serán teóricas y prácticas utilizando paquetería como la hoja de cálculo Excel, el paquete econométrico EVIEWS y el paquete estadístico SPSS.
2. Apoyo de material: a) exposiciones con video proyector (cañón); y b) lecturas, guías, ejemplos y tareas vía página WEB.
3. En el laboratorio de cómputo, se realizarán estudios de caso mediante guías.
EVALUACIÓN
1. Tareas semanales mediante la aplicación de la materia vista en clase
2. Controles de lectura
3. Se realizarán un examen y un trabajo final.
4. Criterio: asistencia (10%), tareas (15%), examen 1 (35%), trabajo final (40%).
BIBLIOGRAFÍA ELEMENTAL
1. Abascal, Elena & Grande, Idelfonso, “Métodos multivariantes para la investigación comercial”, ed. Ariel, México.
2. Cea D’Ancona, Ma. Ángeles (2004), “Análisis Multivariable. Teoría y práctica en la investigación social”, Ed. Síntesis, España.
3. Dallas E. Anális,”Métodos multivariados aplicados al análisis de datos”, Thompson Edit., México, 1998.
4. Härdle, Wolfang, Simar Léopold, “Applied Multivariate Statistical Analysis”, 2nd. Ed., Springer, Berlin, 2007.
5. Giri, Narayan C., “Multivariate Statistical Análisis”, Marcel Dekker ed., 2ª ed., U.S.A., 2004.
6. Manly, Bryan F., “Multivariate Statistical Methods, A Primer”, Chapman & Hall/CRC, USA, 2005.
7. Peña, Daniel, “Análisis de datos multivariantes”, Mac Graw Hill, España, 2002.
8. Pérez, César, “Técnicas de Análisis Multivariantes de datos, aplicaciones con SPSS”, Prentice Hall, España, 2004.
9. Tinsley, H., Brown, Steven D, “Handbook of Applied Multivariate Statistical and Mathematical Modelling”, Academic Press, USA, 2000.
10. Van de Geer, John P., “Introduction to Multivariate Analysis for the Social Sciencies”, W. H. Freeman and Company, USA, 1971.
BIBLIOGRAFÍA ELEMENTAL
-Canavos C. George, “Probabilidad y estadística: aplicaciones y métodos”, Mc Graw Hill, México,1988.
-Hernández O., José, Ramírez Q., Ma. José, Ferri R., Cèsar, “Introducción a la minería de datos”, Prentice Hall, España, 2004.
-Kinnear, Thomas C., Taylor, James R., “Investigación de mercados, un enfoque aplicado”, Mc Graw Hill, 4ª ed., México, 1995.
Suscribirse a:
Entradas (Atom)
