UNIVERSIDAD DE EL SALVADOR

EDUCACIÓN EN LÍNEA - MERCADEO INTERNACIONAL

ESTADÍSTICA II
EST218 2023
UNIDAD 4:
REGRESIÓN Y CORRELACIÓN
TEMAS
4.4 Modelo de Regresión Lineal Simple 4.5 Error
Estándar de Regresión
 AGENDA
Saludo

4.4 Modelo de Regresión Lineal Simple

4.5 Error Estándar de Regresión

Despedida.
 Regresión Lineal Simple

La Regresión mide en forma funcional; es decir, a través de una

ecuación, la posible relación entre las variables, con el objetivo
de predecir o pronosticar una de ellas (variable dependiente)
en función de la otra variable (independiente). Para ello utiliza
la denominada “Ecuación de Regresión”. Si el análisis de
regresión está referido a dos variables, se trata de un análisis de
regresión simple.
Y = Variable Dependiente o Explicada
X = Variable Independiente o Explicativa
 Regresión Lineal Simple ¿Cómo determinar si
existe relación lineal?
• Como primer paso para identificar el tipo de relación que
existe entre una variable independiente con una dependiente
es a partir de una gráfico, denominado “diagrama de
dispersión”.
• En tal sentido, cada observación está compuesta por dos
valores, formando un par ordenado (X,Y), los cuales deberán
graficarse en el primer cuadrante del plano cartesiano
(cuadrante positivo), de lo cual resultará el Diagrama de
Dispersión.
Modelo de regresión Lineal simple
• El modelo de regresión lineal simple se refiere al ajuste de una línea
recta a un grupo de observaciones de tipo transversal o temporal
 Error Estándar de Regresión

Lo normal es que entre las observaciones y la recta de regresión

exista una distancia o desviación, que indica el error de la
estimación. Una medida sobre este error es la desviación o error
estándar de regresión, que se define como la desviación típica de las
desviaciones de los valores observados y los valores calculados con
la ecuación de regresión.
2
σ 𝑌𝑖 − 𝑌෠𝑖 𝑆𝐶𝐸
𝑆𝑥,𝑦 = =
𝑛−2 𝑛−2
Entre más pequeño sea el valor del error estándar, habrá una
menor dispersión de los datos observados respecto a la recta de
regresión, y por lo tanto, las estimaciones que se hagan de la
variable dependiente al variar X, serán mejores.
 A partir de estos datos, correspondientes a una muestra de
Regresión Lineal
tamaño 13, se busca explicar el salario ($/hora) a partir del
Simple número de grados de estudio aprobados.

Cuál es la variable dependiente?

¿Cuál es la variable independiente

 Diagrama de Dispersión
16
Diagrama de
Dispersión 14

12

10
Salario ($/hora)

0
0 2 4 6 8 10 12 14 16 18 20
Escolaridad
 𝑋𝑖 − 𝑋ത
Método de los Mínimos ത
(𝑋𝑖 − 𝑋) ത
(𝑌𝑖 − 𝑌) ത 2
(𝑋𝑖 − 𝑋) 𝑦ො𝑖 𝜀𝑖 = (𝑌𝑖 − 𝑦ො𝑖 ) 𝜀𝑖 2
Salario ത
∗ (𝑌𝑖 − 𝑌)

Cuadrados Ordinarios
($/hora) Escolaridad

4.4567 6 -6.00 -4.20 25.22 36 4.304 0.1527 0.02331729

5.77 7 -5.00 -2.89 14.45 25 5.03 0.74 0.5476

5.9787 8 -4.00 -2.68 10.73 16 5.756 0.2227 0.04959529

7.3317 9 -3.00 -1.33 3.99 9 6.482 0.8497 0.72199009

7.1382 10 -2.00 -1.52 3.05 4 7.208 -0.0698 0.00487204

6.5844 11 -1.00 -2.08 2.08 1 7.934 -1.3496 1.82142016

7.8182 12 0.00 -0.84 0.00 0 8.66 -0.8418 0.70862724

7.8351 13 1.00 -0.83 -0.83 1 9.386 -1.5509 2.40529081

11.0223 14 2.00 2.36 4.72 4 10.112 0.9103 0.82864609

10.6738 15 3.00 2.01 6.04 9 10.838 -0.1642 0.02696164

10.8361 16 4.00 2.18 8.70 16 11.564 -0.7279 0.52983841

13.615 17 5.00 4.95 24.77 25 12.29 1.325 1.755625

13.531 18 6.00 4.87 29.22 36 13.016 0.515 0.265225

8.66 12.00 132.15 182.00 0.000861538 9.68900906

regresión estimada
Ecuación de regresión estimada
σ 𝑋𝑖 − 𝑋ത 𝑌𝑖 − 𝑌ത 132.15
𝛽መ1 = = = 0.726
σ 𝑋𝑖 − 𝑋ത
Ecuación de
2 182

𝛽መ0 = 𝑌ത − 𝛽መ1 𝑋ത = 8.66 − 0.72 12 = −0.052

Por lo tanto, la ecuación estimada es:

𝑦ො𝑖 = 𝛽መ0 + 𝛽መ1 𝑋𝑖

ෝ𝒊 = −𝟎. 𝟎𝟓𝟐 + 𝟎. 𝟕𝟐𝟔𝑿𝒊

𝒚
parámetros estimados
Interpretación de los
𝛽መ1 = 0.726
Se espera que por cada grado de escolaridad el salario
aumente $0.726.

𝛽መ0 = −0.052
En este caso, por el tipo de variable, el significado
económico de este estimador es irrelevante; ya que
aunque no tenga escolaridad es ilógico pensar que
tendría un salario negativo.
 2
σ 𝑌𝑖 − 𝑌෠𝑖
Error Estándar de
𝑆𝐶𝐸 9.689
= = = 0.938
𝑛−2 𝑛−2 11
Regresión

La dispersión alrededor de la línea de regresión es de

$0.938
.
 Sugiere determinar si existe relación entre el kilometraje de un
automóvil usado y su precio de venta. Se quiere determinar si el
precio de venta depende del kilometraje del automóvil, error
Ejercicio practico
estándar de regresión y la interpretación de los parámetros
estimados. Para ello se cuenta con los siguientes datos.
Recorrido(en miles) Precio de venta
40 1000
30 1500
30 1200
25 1800
50 800
60 1000
65 500
10 3000
15 2500
20 2000
55 800
40 1500
35 2000
AVISOS
 UNIVERSIDAD DE EL SALVADOR
EDUCACIÓN EN LÍNEA - MERCADEO INTERNACIONAL

ESTADÍSTICA II
EST218 2023
UNIDAD 4:
REGRESIÓN Y CORRELACIÓN
4.6 Coeficiente de Determinación y Correlación Simple
4.7 Modelo de Regresión Lineal Múltiple.
 AGENDA
Saludo
4.6 Coeficiente de Determinación y
Correlación Simple
4.7 Modelo de Regresión Lineal Múltiple.
Ejemplos
Uso de Excel
Ejercicios propuestos
Despedida.
 4.6 Coeficiente de Determinación y
Correlación Simple
Es importante medir el nivel de bondad entre los datos y la
recta de regresión, para ellos se usan los indicadores
coeficiente de determinación ( 𝑟 2 ) y coeficiente de
correlación (𝑟).

(Ver imagen adjunta)

4.6 Coeficiente de Determinación y
Correlación Simple
 4.6 Coeficiente de Determinación y
Correlación Simple
El coeficiente de determinación se calcula mediante la
siguiente expresión:
2
𝑆𝐶𝑅 ෠𝑖 − 𝑌ത
𝑌
𝑟2= =
𝑆𝑇𝐶 𝑌𝑖 − 𝑌ത 2

También se puede usar la fórmula con cálculos reducidos:

σ σ σ 2
2
𝑛 𝑋 𝑌
𝑖 𝑖 − 𝑋 𝑖 𝑌𝑖
𝑟 =
𝑛 σ 𝑋𝑖 2 − σ 𝑋𝑖 2 𝑛 σ 𝑌𝑖 2 − σ 𝑌𝑖 2
Suma de cuadrados debido al error (SCE)
Suma de cuadrados debido a la regresión (SCR)
Suma total de cuadrados (STC)
 4.6 Coeficiente de Determinación y
Correlación Simple
➢Mide la proporción de la variación total en Y explicada por el
modelo de regresión.
➢Es una cantidad no negativa.
➢El valor del 𝑟 2 , tiene un rango de variación entre 0 y 1. A
medida este valor se aproxima a uno, la dispersión de los
valores de 𝑌𝑖 , respecto de la recta de regresión estimada, 𝑌෠𝑖 , es
mínima y el porcentaje en que la variable independiente
explica a la variable dependiente, es aproximadamente del
100%.
 4.6 Coeficiente de Determinación y
Correlación Simple
Asociado al coeficiente de determinación ( 𝑟 2 ) podemos
calcular otra medida que conceptualmente es diferente, como
lo es el coeficiente de correlación (r). Esta es una medida del
grado de asociación lineal entre dos variables, y se calcula a
partir de:
𝑟 = ± 𝑟 2 ; se precede con el signo de 𝜷𝟏
También se puede usar la fórmula con cálculos reducidos:
𝑛 σ 𝑋𝑖 𝑌𝑖 − σ 𝑋𝑖 σ 𝑌𝑖
𝑟=±
𝑛 σ 𝑋𝑖 2 − σ 𝑋𝑖 2 𝑛 σ 𝑌𝑖 2 − σ 𝑌𝑖 2
 4.6 Coeficiente de Determinación y
Correlación Simple

El valor del coeficiente de correlación puede variar entre -1 a 1.

Si r = -1, indica que el nivel de asociación que hay entre la
variable dependiente e independiente es perfecta e inversa.
Si r = 0, indica que no hay asociación entre las variable
dependiente e independiente.
Si r = 1, indica que el nivel de asociación que hay entre la
variable dependiente e independiente es perfecta y directa.
 Salario A partir de estos datos,
Escolaridad
($/hora) correspondientes a una muestra de
4.4567 6 tamaño 13, se busca explicar el
5.77 7
salario ($/hora) a partir del número
5.9787 8
de grados de estudio aprobados,
7.3317 9
EJEMPLO

7.1382 10 posteriormente calcule el

6.5844 11 coeficiente de determinación y
7.8182 12 correlación.
7.8351 13 Sol: Como ya hemos
11.0223 14 calculado la recta de
10.6738 15
regresión en la VT09,
10.8361 16
13.615 17
usaremos los datos ya
13.531 18 obtenidos y calcularemos
los coeficientes y los
interpretaremos.
 Salario ത (𝑌𝑖 − 𝑌)
ത 𝑋𝑖 − 𝑋ത ത 2 𝜀𝑖
ത 2
Escolaridad (𝑋𝑖 − 𝑋)
ത (𝑋𝑖 − 𝑋) 𝑦ො𝑖 𝜀𝑖 2 (𝑌𝑖 − 𝑌) (𝑌෠𝑖 − 𝑌)
ത 2
($/hora) ∗ (𝑌𝑖 − 𝑌) = (𝑌𝑖 − 𝑦ො𝑖 )

4.4567 6 -6.00 -4.20 25.22 36 4.304 0.1527 0.02331729 17.64 18.974736

5.77 7 -5.00 -2.89 14.45 25 5.03 0.74 0.5476 8.3521 13.1769
5.9787 8 -4.00 -2.68 10.73 16 5.756 0.2227 0.04959529 7.1824 8.433216
7.3317 9 -3.00 -1.33 3.99 9 6.482 0.8497 0.72199009 1.7689 4.743684
EJEMPLO

7.1382 10 -2.00 -1.52 3.05 4 7.208 -0.0698 0.00487204 2.3104 2.108304

6.5844 11 -1.00 -2.08 2.08 1 7.934 -1.3496 1.82142016 4.3264 0.527076
7.8182 12 0.00 -0.84 0.00 0 8.66 -0.8418 0.70862724 0.7056 0
7.8351 13 1.00 -0.83 -0.83 1 9.386 -1.5509 2.40529081 0.6889 0.527076
11.0223 14 2.00 2.36 4.72 4 10.112 0.9103 0.82864609 5.5696 2.108304
10.6738 15 3.00 2.01 6.04 9 10.838 -0.1642 0.02696164 4.0401 4.743684
10.8361 16 4.00 2.18 8.70 16 11.564 -0.7279 0.52983841 4.7524 8.433216
13.615 17 5.00 4.95 24.77 25 12.29 1.325 1.755625 24.5025 13.1769
13.531 18 6.00 4.87 29.22 36 13.016 0.515 0.265225 23.7169 18.974736
8.66 12.00 132.15 182.00 0.000861538 9.68900906 105.5562 95.927832
 La ecuación de regresión (VT09) es

𝑦ො𝑖 = 𝛽መ0 + 𝛽መ1 𝑥𝑖 ⟹ 𝒚

ෝ𝒊 = −𝟎. 𝟎𝟓𝟐 + 𝟎. 𝟕𝟐𝟔𝑿𝒊
EJEMPLO

Coeficiente de determinación.

2
𝑆𝐶𝑅 𝑌෠𝑖 − 𝑌ത 95.93
2
𝑟 = = = = 𝟎. 𝟗𝟎𝟗
𝑆𝑇𝐶 𝑌𝑖 − 𝑌ത 2 105.54
El modelo estimado explica en un 90.9% la variación
de los salarios esperados, a partir de los grados de
escolaridad aprobados.
 Coeficiente de correlación

𝑟 = (𝑠𝑖𝑔𝑛𝑜 𝑑𝑒 𝛽መ1 ) 𝑟 2

𝑟 = 𝑠𝑖𝑔𝑛𝑜 𝑑𝑒 𝛽መ1
EJEMPLO

0.909 = 𝟎. 𝟗𝟓𝟑

Existe un fuerte grado de asociación lineal positiva

entre escolaridad y salarios.
 Al realizar el análisis en Excel obtenemos los mismos
EJEMPLO resultados.
 4.7 Modelo de Regresión Lineal Múltiple.

Es un análisis que busca establecer relación entre variables, de

tipo estadístico; es decir, relación de dependencia.

La diferencia de este análisis respecto al anterior sobre

regresión lineal simple consiste en que ahora no es sólo una
variable explicativa (independiente); sino, dos o más.

𝑌 = 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝐷𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 (𝐿𝑎 𝑞𝑢𝑒 𝑠𝑒 𝑏𝑢𝑠𝑐𝑎 𝑒𝑥𝑝𝑙𝑖𝑐𝑎𝑟)

𝑋1 , 𝑋2 , … 𝑋𝑛 = 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝐼𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
(𝐸𝑥𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑣𝑎𝑠) … 𝑑𝑜𝑠 𝑜 𝑚á𝑠.
 4.7 Modelo de Regresión Lineal Múltiple.
෡𝟎 + 𝜷
ෝ𝒊 = 𝜷
𝒚 ෡ 𝟏 𝑿𝟏 + 𝜷
෡ 𝟐 𝑿𝟐 + ⋯ + 𝜷
෡ 𝒏 𝑿𝒏

𝛽መ1 : 𝑀𝑖𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎 𝑒𝑛 𝑦, 𝑝𝑜𝑟 𝑐𝑎𝑑𝑎 𝑢𝑛𝑖𝑑𝑎𝑑 𝑞𝑢𝑒

𝑖𝑛𝑐𝑟𝑒𝑚𝑒𝑛𝑡𝑎 𝑋1 , 𝑚𝑎𝑛𝑡𝑒𝑛𝑖𝑒𝑛𝑑𝑜 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑒𝑙 𝑟𝑒𝑠𝑡𝑜 𝑑𝑒
𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠
𝛽መ2 : 𝑀𝑖𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎 𝑒𝑛 𝑦, 𝑝𝑜𝑟 𝑐𝑎𝑑𝑎 𝑢𝑛𝑖𝑑𝑎𝑑 𝑞𝑢𝑒
𝑖𝑛𝑐𝑟𝑒𝑚𝑒𝑛𝑡𝑎 𝑋2 , 𝑚𝑎𝑛𝑡𝑒𝑛𝑖𝑒𝑛𝑑𝑜 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑒𝑙 𝑟𝑒𝑠𝑡𝑜 𝑑𝑒
𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠
Y así sucesivamente, dependiendo del número de variables
explicativas incluidas en el modelo.
 4.7 Modelo de Regresión Lineal Múltiple.

Inflación Tasa de Inflación Según la teoría macroeconómica, la

Año Observada (%) Desempleo (%) Esperada (%) Curva de Phillips Ampliada con
(Y) (X1) (X2) Expectativas plantea que la tasa de
1970 5.92 4.9 4.78 inflación de un país depende de la
1971 4.3 5.9 3.84
tasa de desempleo y de la tasa de
1972 3.3 5.6 3.13
1973 6.23 4.9 3.44 inflación esperada. A continuación,
1974 10.97 5.6 6.84 se tienen datos de una serie de
1975 9.14 8.5 9.47 tiempo correspondiente a la tasa de
1976 5.77 7.7 6.51 inflación observada, la tasa de
1977 6.45 7.1 5.92 desempleo y la tasa de inflación
1978 7.6 6.1 6.08 esperada de Estados Unidos.
1979 11.47 5.8 8.09
1980 13.46 7.1 10.01
Calcular la ecuación de regresión
1981 10.24 7.6 10.81 múltiple e interpretar los
1982 5.99 9.7 8 coeficientes estimados.
 4.7 Modelo de Regresión Lineal Múltiple.

Al hacer uso de Excel obtenemos

 4.7 Modelo de Regresión Lineal Múltiple.
෡ 𝟎 = 𝟕. 𝟏𝟗
𝜷
Se espera que la tasa de inflación observada sea de 7.19%,
cuando la tasa de desempleo y la tasa de inflación esperada son
0%.
෡ 𝟏 = −𝟏. 𝟑𝟗
𝜷
Se espera que la tasa de inflación observada disminuya 1.39% por
cada 1% de aumento en la tasa de desempleo, manteniendo
constante la tasa de inflación esperada.
෡ 𝟐 = 𝟏. 𝟒𝟕
𝜷
Se espera que la tasa de inflación observada aumente 1.47% por
cada 1% en que aumenta la tasa de inflación esperada,
manteniendo constante la tasa de desempleo.
4.7 Modelo de Regresión Lineal Múltiple.
De manera global no tiene
significado, en regresión
múltiple. Se debe analizar
las correlaciones parciales.

El modelo en conjunto La dispersión de la

explica 87.7% la variación inflación observada
respecto a la
esperada de la tasa de
estimada es de 1.17%
inflación observada.
 Resolvamos con excel
El dueño de Showtime Movie Theater, Inc., desea estimar el
ingreso bruto semanal en función de los gastos en
publicidad. A continuación, se presentan los datos históricos
de 8 semanas.
Obtenga una ecuación de regresión estimada en la que los
montos gastados en publicidad de televisión y en periódicos
sean las variables independientes.
¿Cuál es el ingreso semanal bruto en una semana en la que
se gastan $3500 en publicidad de televisión y $1800 en
publicidad de periódicos?
 Resolvamos con excel

Ingreso semanal bruto Publicidad en televisión Publicidad en periódicos

(en miles de $) (en miles de $) (en miles de $)
96 5 1.5
90 2 2
95 4 1.5
92 2.5 2.5
95 3 3.3
94 3.5 2.3
94 2.5 4.2
94 3 2.5
Resolvamos con excel

Paso 1: Ubicar los datos en una tabla

Paso 2: Click en Datos
Paso 3: Click en Análisis de datos
Resolvamos con excel

Se abre ventana de “Análisis de datos”,

seleccionar regresión y dar click en Aceptar
 Resolvamos con excel
Paso 4: dar click en la celda correspondiente a Rango Y de entrada, seleccionar los
valores de Y, luego dar click en la celda Rango X de entrada y seleccionar las dos
columnas de las variable independientes, luego Aceptar
 Resolvamos con excel

Podemos identificar que : 𝛽𝑂 = 83.23 𝛽1 = 2.29 y 𝛽2 = 1.30

Por lo tanto : 𝑌෡𝑖 = 83.23 + 2.29𝑋1 + 1.30𝑋2
 Resolvamos con excel

Si 𝑋1 = 3.5 y 𝑋2 = 1.8 tenemos que:

෡𝑖 = 83.23 + 2.29𝑋1 + 1.30𝑋2

𝑌

෡𝑖 = 83.23 + 2.29 3.5 + 1.3 1.8

𝑌

෡𝑖 = 92.585
𝑌
Se estima un ingreso semanal de $92,585
 Un estudio acerca del comportamiento de las ventas
diarias de una tienda (Y) ha tomado como variables
independientes el área de construcción de la tienda en
mts2 (X1); el número de lugares de estacionamientos de
la tienda (X2); y el ingreso promedio (X3) en miles de
dólares, de los residentes en las cercanías de la tienda.
EJERCICIO

Los resultados de la información por cada tienda, se

presenta a continuación.
a. Escriba un modelo de estimación que describa las
ventas diarias.
b. Interprete el valor de los parámetros del modelo.
c. ¿En cuánto se estiman las ventas en una nueva tienda
que consta de una construcción de 1000 mts2, 12
estacionamientos y el ingreso promedio de los
habitantes cercanos a la tienda es de $55 mil?
 Ventas diarias Área de construcción No. de Ingreso Promedio
$ de la tienda estacionamientos (Miles $)
1840 532 6 44
1746 478 4 51
1812 530 7 45
1806 508 7 46
EJERCICIO

1792 514 5 44
1825 556 6 46
1811 541 4 49
1803 513 6 52
1830 532 5 46
1827 537 5 46
1764 499 3 48
1825 510 8 47
1763 90 4 48
1846 516 8 45
1815 482 7 43
AVISOS
 UNIVERSIDAD DE EL SALVADOR
EDUCACIÓN EN LÍNEA - MERCADEO INTERNACIONAL

ESTADÍSTICA II
EST218 2023
UNIDAD 5: NÚMEROS ÍNDICES
5.1. Definición e Importancia
5.2. Fases de Construcción
5.3. Número índice según el número de variables (simples y compuestos)
5.4. Número índice según el tipo de variable (precios, cantidad, valor)
5.5.Números índices según el periodo de referencia (Paasche, Laspeyres y Fisher)
 AGENDA
❑SALUDO Y BIENVENIDA

❑ DISCUSIÓN DE CONTENIDOS Y
DESARROLLO DE EJEMPLOS

❑ESPACIO PARA DUDAS Y PREGUNTAS

❑ASISTENCIA

❑CIERRE
 5.1 Definición e importancia de los números
índice

5.1. Definición

Un número índice expresa la variación porcentual en precios,

cantidades o valores de un bien o grupo de bienes y servicios
(canasta de bienes) entre dos momentos en el tiempo.

¿Cómo se le denomina al primer momento?

¿Cómo se le denomina al segundo momento?

 5.1 Definición e importancia de los números
índice
1) Periodo Base

2) Periodo Corriente o de Estudio

• IMPORTANCIA:

• El monitoreo de los números índice nos

facilita determinar el estado actual de una
variable o grupo de variables y analizar hacia
dónde apuntan las tendencias en el futuro
con la finalidad de evaluar objetivos y metas
 5.2. Fases de construcción de un índice
1-Objetivo del índice
• A quién va dirigido
• Tipo de productos de la
canasta de bienes del índice
2-Determinación de la estructura
de consumo
• Separación según el tipo de
gasto: alimentos, vestuario,
vivienda entre otros
3-Selección de artículos
• Seleccionar los productos de acuerdo a
la ponderación que tienen en el gasto
descartando aquellos que representen
una cuota mínima dentro del gasto total.
4-Validación de precios
• Decidir sobre el tipo de precios son los
que han de registrarse, ya que el precio de
un mismo producto varía según el lugar.
5-Variaciones de la calidad de los bienes y
servicios
• Especificación precisa de la calidad de los
productos para establecer en el tiempo
homogeneidad en cuanto a
comparaciones
6-Base del índice
• Elegir como período base, aquel donde
haya ausencia de modificaciones y
circunstancias violentas
 5.2. Fases de construcción de un índice

7-Elección de los métodos de cálculo

• En el cálculo de índices de precios al consumidor es conveniente utilizar el

índice de precios de Laspeyres ya que presenta la facilidad de comparar los
precios corrientes de una canasta de bienes que permanece anclada al año
base. En caso de utilizar Paasche implicaría un sobreesfuerzo innecesario al
obligarse a disponer de una canasta de consumo cada vez que se realiza el
cálculo. La Dirección General de Estadísticas y Censos de El Salvador (DIGESTYC)
utiliza para el cálculo del IPC, la fórmula de Laspeyres modificada.
 5.3. Números índice según el número de
variables

Índices simples:cuando se
analice la variación en precios,
cantidad o valor de un sólo bien
5.3. Números índice o servicio.
según el número de
variables
Índices compuestos: cuando se
analiza la variación conjunta en
precios, cantidades o valores de
un grupo de bienes o servicios
 5.4. Número índice
según el tipo de
variable

Índices de Índices de Índices de

precios cantidad valor
¿Qué mide cada uno de estos índices?
 5.4. Número índice según el tipo de variable

Fórmulas a utilizar en el cálculo de números índices simples:

Índice de Precio Índice de Cantidad Índice de Valor

𝒑𝒏 𝒒𝒏 𝒑𝒏 𝒒𝒏
𝑰𝑷𝟎𝒏 = ∗ 𝟏𝟎𝟎 𝑰𝑸𝟎𝒏 = ∗ 𝟏𝟎𝟎 𝑰𝑽𝟎𝒏 = ∗ 𝟏𝟎𝟎
𝒑𝟎 𝒒𝟎 𝒑𝟎 𝒒 𝟎
 5.5. Números índice respecto al periodo de
referencia

Fórmulas a utilizar en el cálculo de índices de precios ponderados:

Laspeyres Paasche Fischer

σ 𝑝𝑛 𝑞0 σ 𝑝𝑛 𝑞𝑛 𝐼𝑃𝐹𝑛0 = 𝐼𝑃𝐿0𝑛 ∗ 𝐼𝑃𝑃𝑛0
𝐼𝑃𝐿0𝑛 = ∗ 100 𝐼𝑃𝑃𝑛0 = ∗ 100
σ 𝑝0 𝑞0 σ 𝑝0 𝑞𝑛
 5.5. Números índice respecto al periodo de
referencia
Fórmulas a utilizar en el cálculo de índices de cantidades ponderadas:
Laspeyres Paasche Fischer
σ 𝑞 𝑝 σ 𝑞 𝑝 0
𝑛 0 𝑛 𝑛 𝐼𝑄𝐹𝑛
𝐼𝑄𝐿0𝑛 = ∗ 100 𝐼𝑄𝑃𝑛0 = ∗ 100
σ 𝑞0 𝑝0 σ 𝑞0 𝑝𝑛 = 𝐼𝑄𝐿0𝑛 ∗ 𝐼𝑄𝑃𝑛0

Fórmula para el cálculo de número índice de valor:

σ 𝑝𝑛 𝑞𝑛
𝐼𝑉𝑛0 = ∗ 100
σ 𝑝0 𝑞0
 Los datos de la tabla siguiente muestran los precios
promedios del galón de gasolina cierta ciudad de USA.
Obtenga los índices de precios base 2002, para el
EJEMPLO 1
período 2000-2005 e interprete sobre el año 2005,
2000 y 2003

Año Precio por galón ($)

2000 1.48
2001 1.42
2002 1.34
2003 1.56
2004 1.85
2005 2.27
 Solución

Años 𝒑𝒏 Índices de precios del galón

𝑰𝑷𝟎𝒏
EJEMPLO 1
= ∗ 𝟏𝟎𝟎
𝒑𝟎 de gasolina

2000 (1.48/1.34)*100 110.46

2001 (1.42/1.34)*100 105.97
2002 (1.34/1.34)*100 100
2003 (1.56/1.34)*100 116.42
2004 (1.85/1.34)*100 138.06
2005 (2.27/1.34)*100 169.40
 Interpretación:

❑ En 2005 el precio del galón de gasolina tuvo un

EJEMPLO 1
aumento del 69.4% respecto al precio en el año 2002

❑ En 2000 el precio del galón de gasolina tenía un

aumento del 10.46% respecto al precio en el año
2002

❑ En 2003 el precio del galón de gasolina tuvo un

aumento del 16.42% respecto al año precio en el año
2000
 Jack Nipp y su socio, Harry Tuck, poseen una planta
empacadora de carne en Duluth. Los datos para sus
tres artículos más populares se muestran en la
EJEMPLO 2
siguiente tabla:
Precio por unidad Cantidad vendida (miles de libras)
Artículo Unidad 1995 1996 1997 1995 1996 1997
Res 1 libra 3 3.3 4.5 250 320 350
Cerdo 1 libra 2 2.2 2.1 150 200 225
Ternera 1 libra 4 4.5 3.64 80 90 70

Determine los índices de precios y cantidad de

Laspeyres, Paasche y Fischer, tomando como periodo
base los valores del año 1995
 Solución: Primero calculamos los índices de precios, Laspeyres
Como el periodo base es el año 1995, abreviamos con el sub
índice 95
EJEMPLO 2
Precio por unidad Cantidad vendida (miles de libras)
Artículo 𝑝95 𝑝96 𝑝97 𝑞95 𝑞96 𝑞97
Res 3 3.3 4.5 250 320 350
Cerdo 2 2.2 2.1 150 200 225
Ternera 4 4.5 3.64 80 90 70

𝑝95 𝑞95 𝑝96 𝑞95 𝑝97 𝑞95

(3)(250)=750 (3.3)(250)=825 (4.5)(250)=1125
(2)(150)=300 (2.2)(150) =330 (2.1)(150)=315
(4)(80)=320 (4.5)(80)=360 (3.64)(80)=291.2
1370 1515 1731.2
 Solución:

𝐼𝑃𝐿95 𝐼𝑃𝐿95 𝐼𝑃𝐿95

EJEMPLO 2
95 96 97

1370 1515 1731.2

∗ 100 = 100 ∗ 100 = 110.58 ∗ 100 = 126.36
1370 1370 1370

Interpretación Los precios promedio de Los precios promedio de

las carnes aumentaron las carnes aumentaron
un 10.58% en 1996 un 26.36% en 1996
respecto a los precios en respecto a los precios en
1995 1995
 σ 𝑝𝑛 𝑞𝑛
𝐼𝑃𝑃𝑛0 = ∗ 100
σ 𝑝0 𝑞𝑛
Ahora calculamos los índices de precios Paasche
Precio por unidad Cantidad vendida (miles de libras)
EJEMPLO 2
Artículo 𝑝95 𝑝96 𝑝97 𝑞95 𝑞96 𝑞97
Res 3 3.3 4.5 250 320 350
Cerdo 2 2.2 2.1 150 200 225
Ternera 4 4.5 3.64 80 90 70

𝑝95 𝑞95 𝑝95 𝑞96 𝑝95 𝑞97 𝑝96 𝑞96 𝑞97 𝑝97
(3)(250)=750 (3)(320)=960 (3)(350)=1050 (3.3)(320) =1056 (4.5)(350)=1575
(2)(150)=300 (2)(200) =400 (2)(225)=450 (2.2)(200)=440 (2.1)(225)=472.5
(4)(80)=320 (4)(90)=360 (4)(70)=280 (4.5)(90)=405 (3.64)(70)=254.8
1370 1720 1780 1901 2302.3
 95 95 95
EJEMPLO 2 𝐼𝑃𝑃95 𝐼𝑃𝑃96 𝐼𝑃𝑃97

1370 1901 2302.3

∗ 100 = 100 ∗ 100 = 110.52 ∗ 100 = 129.34
1370 1720 1780

Interpretación Los precios promedio de Los precios promedio de

las carnes aumentaron las carnes aumentaron
un 10.52% en 1996 un 20.34% en 1996
respecto a los precios en respecto a los precios en
1995 1995
 𝐼𝑃𝐹𝑛0 = 𝐼𝑃𝐿0𝑛 ∗ 𝐼𝑃𝑃𝑛0

Para cerrar con los índices de precios procedemos al cálculo de

Fischer
EJEMPLO 2
95
𝐼𝑃𝐹95 = 𝐼𝑃𝐿95 95
95 ∗ 𝐼𝑃𝑃95
95
𝐼𝑃𝐹96 = 𝐼𝑃𝐿95 95
96 ∗ 𝐼𝑃𝑃96
95
𝐼𝑃𝐹97 = 𝐼𝑃𝐿95 95
97 ∗ 𝐼𝑃𝑃97

95
𝐼𝑃𝐹95 = 100 ∗ 100 95 95
𝐼𝑃𝐹96 = 𝐼𝑃𝐿95 95
96 ∗ 𝐼𝑃𝑃96 𝐼𝑃𝐹97 = 𝐼𝑃𝐿95 95
97 ∗ 𝐼𝑃𝑃97

95 95 95
𝐼𝑃𝐹95 = 100 𝐼𝑃𝐹96 = 110.58 ∗ 110.52 𝐼𝑃𝐹97 = 126.36 ∗ 129.32

95 95
𝐼𝑃𝐹96 = 110.55 𝐼𝑃𝐹97 = 127.83

Interpretación Los precios promedio de las Los precios promedio de las

carnes aumentaron un carnes aumentaron un
10.55% en 1996 respecto a 27.83% en 1997 respecto a
los precios en 1995. Según los precios en 1995. Según
Fischer Fischer
 σ 𝑞𝑛 𝑝0
𝐼𝑄𝐿0𝑛 = ∗ 100
σ 𝑞0 𝑝0

EJEMPLO 2 Procedemos con el cálculo de índices de cantidad Laspeyres

Precio por unidad Cantidad vendida (miles de libras)
Artículo 𝑝95 𝑝96 𝑝97 𝑞95 𝑞96 𝑞97
Res 3 3.3 4.5 250 320 350
Cerdo 2 2.2 2.1 150 200 225
Ternera 4 4.5 3.64 80 90 70

𝑞95 𝑝95 𝑞96 𝑝95 𝑞97 𝑝95

(250) (3)=750 (320)(3)=960 (350)(3)=1050
(150) (2)=300 (200)(2) =400 (225)(2)=450
(80) (4)=320 (90)(4)=360 (70)(4)=280
1370 1720 1780
EJEMPLO 2
𝐼𝑄𝐿95
95 𝐼𝑄𝐿95
96 𝐼𝑄𝐿95
97

1370 1720 1780

∗ 100 = 100 ∗ 100 = 125.55 ∗ 100 = 129.93
1370 1370 1370

Interpretación Los cantidades vendidas Los cantidades vendidas

de carnes aumentaron un de carnes aumentaron un
25.55% en 1996 respecto a 29.93% en 1997 respecto a
las cantidades vendidas de las cantidades vendidas de
carnes en 1995. Según carnes en 1995. Según
Laspeyres Laspeyres
 σ 𝑞𝑛 𝑝𝑛
𝐼𝑄𝑃𝑛0 = ∗ 100
σ 𝑞0 𝑝𝑛
Procedemos con el cálculo de índices de cantidad Paasche
Precio por unidad Cantidad vendida (miles de libras)
EJEMPLO 2
Artículo 𝑝95 𝑝96 𝑝97 𝑞95 𝑞96 𝑞97
Res 3 3.3 4.5 250 320 350
Cerdo 2 2.2 2.1 150 200 225
Ternera 4 4.5 3.64 80 90 70

𝑞95 𝑝95 𝑞95 𝑝96 𝑞95 𝑝97 𝑞96 𝑝96 𝑝97 𝑞97
(250) (3)=750 (250) (3.3)=825 (250) (4.5)=1125 (320) (3.3) =1056 (350)(4.5)=1575
(150) (2)=300 (150) (2.2)=330 (150) (2.1)=315 (200)(2.2)=440 (225)(2.1)=472.5
(80) (4)=320 (80) (4.5)=360 (80)(3.64)=291.2 (90) (4.5)=405 (70)(3.64)=254.8
1370 1515 1731.2 1901 2302.3
 95 95 95
𝐼𝑃𝑃95 𝐼𝑃𝑃96 𝐼𝑃𝑃97
EJEMPLO 2
1370 1901 2302.3
∗ 100 = 100 ∗ 100 = 125.48 ∗ 100 = 132.99
1370 1515 1731.2

Interpretación Los precios promedio de las Los precios promedio de las

carnes aumentaron un carnes aumentaron un
25.48% en 1996 respecto a 32.99% en 1997 respecto a
los precios en 1995, según los precios en 1995. Según
Paasche Paasche
 𝐼𝑄𝐹𝑛0 = 𝐼𝑄𝐿0𝑛 ∗ 𝐼𝑄𝑃𝑛0

Para cerrar con los índices de cantidad procedemos al cálculo de

Fischer
EJEMPLO 2
95
𝐼𝑄𝐹95 = 𝐼𝑄𝐿95 95
95 ∗ 𝐼𝑄𝑃95
95
𝐼𝑄𝐹96 = 𝐼𝑄𝐿95 95
96 ∗ 𝐼𝑄𝑃96
95
𝐼𝑄𝐹97 = 𝐼𝑄𝐿95 95
97 ∗ 𝐼𝑄𝑃97

95
𝐼Q𝐹95 = 100 ∗ 100 95 95
𝐼Q𝐹96 = 𝐼Q𝐿95 95
96 ∗ 𝐼𝑄𝑃96 𝐼𝑄𝐹97 = 𝐼Q𝐿95 95
97 ∗ 𝐼Q𝑃97

95 95 95
𝐼𝑄𝐹95 = 100 𝐼Q𝐹96 = 125.55 ∗ 125.48 𝐼𝑄𝐹97 = 129.93 ∗ 132.99

95 95
𝐼Q𝐹96 = 125.51 𝐼Q𝐹97 = 131.45

Interpretación Los precios promedio de las Los precios promedio de las

carnes aumentaron un carnes aumentaron un
25.51% en 1996 respecto a 31.45% en 1997 respecto a
los precios en 1995. Según los precios en 1995. Según
Fischer Fischer
 𝐼𝑄𝐹𝑛0 = 𝐼𝑄𝐿0𝑛 ∗ 𝐼𝑄𝑃𝑛0

El salón Dippy Doo Hair está considerando ajustar los precios de

sus servicios. Harriet Follicle, gerente de Dippy Doo, desea
EJERCICIO
calcular los índices de Laspeyres y Paasche utilizando estos
datos sobre los precios y el número de servicios prestados.
Tomando como periodo base el mes de enero
Precio ($) Cantidad
Servicio Enero Febrero Marzo Enero Febrero Marzo
Champú 10 12 16.5 20 22 25
Corte de
8 10.5 9.5 25 20 25
cabello
Peinado 12 13.50 14 30 31 33
AVISOS
 UNIVERSIDAD DE EL SALVADOR
EDUCACIÓN EN LÍNEA - MERCADEO INTERNACIONAL

ESTADÍSTICA II
EST218 2023
UNIDAD 5:
NÚMEROS ÍNDICES
Operaciones con Números Índices
 AGENDA
❑SALUDO Y BIENVENIDA
❑ DISCUSIÓN DE CONTENIDOS
5.5 Operaciones con números índices
➢ 5.5.1 Traslado proporcional de base
➢ 5.5.2 Empalme de dos series
➢ 5.5.3 Conversión de una serie base fija a base
variable y viceversa
❑ESPACIO PARA DUDAS Y PREGUNTAS
❑ASISTENCIA
❑CIERRE
 Operaciones con números índices

5.5.1 Traslado proporcional de base

Es un cambio de la base para efectos de comparar las variaciones

proporcionales respecto de un período distinto, al de la base original. Son
útiles cuando se dese cambiar el periodo de comparación de las
variaciones ocurridas en el tiempo, especialmente utilizado en índices de
precios.
 La siguiente tabla contiene los índices del precio del galón
de gasolina en cierta ciudad con base fija 2002, obtenga la
serie de índices con base 2004.
EJEMPLO
¿Cuál es la interpretación para los años 2002, y 2005?

Año Precio por galón ($)

2000 110.46
2001 105.97
2002 100
2003 116.42
2004 138.06
2005 169.40
 Solución: De la tabla anterior identificamos el índice
correspondiente a 2004 el cual es 138.06 ahora
procedemos de la siguiente manera:
EJEMPLO
Años Índices Base 2002
Cálculos
2000 110.46 (110.46/138.06)*100 = 80.00
2001 105.97 (105.97/138.06)*100 = 76.76
2002 100 (100/138.06)*100 = 72.43
2003 116.42 (116.42/138.06)*100 = 84.33
2004 138.06 (138.06/138.06)*100 = 100
2005 169.40
(169.40/138.06)*100 = 122.7
 Índices Base
Interpretación: Años 2004
➢En 2002 el precio del galón de 2000 80.00
2001 76.76
gasolina tuvo un menor precio de
EJEMPLO

2002 72.43
27.57% respecto al precio en el año 2003 84.33
2004 100
2004. 2005 122.7

➢En 2005 el precio del galón de gasolina tenía un

aumento del 22.7% respecto al precio en el año 2004.
 Operaciones con números índices

5.5.2 Empalme

En este caso se trata de empalmar dos series que corresponden a

diferentes canastas de bienes y servicios. Haciendo uso de una regla de
tres, es posible completar las series, aunque este procedimiento tiene la
limitación de ser sólo una aproximación, dependiendo de la similitud de
las bases. La operación se utiliza para disponer de una serie de índices y
variaciones extendida en el tiempo
 A continuación, se disponen de series de índices que corresponden
a bases diferentes: Se pide empalmar ambas series.
EJEMPLO
Años Índices de precios Años Índices de precios
(2014=100) (2018=100)
2014 100 2014
2015 125 2015
2016 180 2016
2017 175 2017
2018 200 2018 100
2019 2019 102
2020 2020 106
 Solución.

Años de las bases: 2014 y 2018

EJEMPLO
Sabiendo que el año más reciente es 2018.
Ahora nos preguntamos ¿Cuál es el valor del índice del año
2018 en los números índices de la 2014=100? Este es 200,
por tanto, multiplicaremos los índices conocidos de la base
2018=100 por (200/100) para obtener los faltantes en
2014=100 y los índices conocidos de la 2014=100 por
(100/200) para obtener los desconocidos de la 2018=100
 Años Índices de precios Años Índices de precios
(2014=100) (2018=100)
EJEMPLO
2014 100 2014 100*100/200=50
2015 125 2015 125*100/200=62.5
2016 180 2016 180*100/200=90
2017 175 2017 175*100/200=87.5
2018 200 2018 100
2019 102*200/100=204 2019 102
2020 106*200/100=212 2020 106
 Operaciones con números índices

5.5.3 Conversión de una serie base fija a base variable y viceversa.

Los índices de base variable muestran las variaciones

porcentuales del índice respecto del período anterior (pueden ser años,
meses, semanas, etc.). Los índices de base variable se calculan a partir de una
serie de índices de base fija. Son útiles cuando sólo se dispone de la serie de
índices de base fija y se necesita realizar un análisis actualizado de las
variaciones en el tiempo, tomando como referencia el periodo inmediato
anterior.
 Operaciones con números índices

Índices de base variable:

Donde:
𝑰𝑩𝑭𝒏 𝑰𝑩𝑽𝒏 : índice de base variable del periodo 𝒏
𝑰𝑩𝑽𝒏 = × 𝟏𝟎𝟎
𝑰𝑩𝑭𝒏−𝟏 𝑰𝑩𝑭𝒏 : Índice de base fija del periodo 𝒏
𝑰𝑩𝑭𝒏 : Índice de base fija del periodo 𝒏-1
 Operaciones con números índices

Fórmulas para cambio de base variable a base fija

1. Hacia adelante en el tiempo 𝑰𝑩𝑭𝒏−𝟏 × 𝑰𝑩𝑽𝒏

𝑰𝑩𝑭𝒏 =
𝟏𝟎𝟎
2. Hacia atrás en el tiempo 𝑰𝑩𝑭𝒏+𝟏
𝑰𝑩𝑭𝒏 = × 𝟏𝟎𝟎
𝑰𝑩𝑽𝒏+𝟏

Donde todas las variables tienen la misma definición que en la

fórmula anterior y las nuevas variables se definen:
𝑰𝑩𝑭𝒏+𝟏: Índice de base fija del período “n+1” o posterior
𝑰𝑩𝑽𝒏+𝟏: Índice de base variable del período “n+1” o posterior
 Dada la serie de índices de precio internacionales del Café, base fija
2008=100, se pide elaborar e interpretar los índices de base variable para el
período.
EJEMPLO
Años Índices de precios
internacionales del
Café
2008 100
2009 102.42
2010 137.75
2011 197.71
2012 135.53
2013 102.02
 Solución:

Años Índices de Años Índices de precios

precios internacionales del Café
EJEMPLO
internacionales
del Café
2008 No hay dato anterior 𝑰𝑩𝑭𝒏−𝟏
2008 100
2009 (102.42/100)*100=102.42
2009 102.42
2010 (137.75/102.42)*100=134.5
2010 137.75
2011 197.71 2011 (197.71/137.75) *100=143.53

2012 135.53 2012 (135.53/197.71)*100=68.55

2013 102.02 2013 (102.02/135.53)*100=75.27
 Interpretación
En el año 2010 los precios del
Índices de precios
café aumentaron un 34.5% internacionales
Años
EJEMPLO
respecto al año 2009. del café (base
variable)
En el año 2011 los precios del
2008 ---
café aumentaron un 43.53% 2009 102.42
respecto al año 2010. 2010 134.5
En el año 2012 los precios del 2011 143.53
café bajaron un 31.45% 2012 68.55
2013 75.27
respecto al año 2011.

En la interpretación de un año al anterior, la referencia siempre

se da, tomando como fijo el 100% del año anterior.
 Se dispone de los siguientes índices de base variable que corresponde a los ingresos
EJEMPLO de la empresa de papel PLJ. S. A., encuentre los de base fija 2016=100

Índices de base
Años
variable
2012 100
2013 108
2014 95
2015 110
2016 115
2017 106
2018 112
 1. Hacia adelante en el 𝑰𝑩𝑭𝒏−𝟏 × 𝑰𝑩𝑽𝒏
Solución: tiempo
𝑰𝑩𝑭𝒏 =
𝟏𝟎𝟎

2. Hacia atrás en el 𝑰𝑩𝑭𝒏+𝟏

𝑰𝑩𝑭𝒏 = × 𝟏𝟎𝟎
tiempo 𝑰𝑩𝑽𝒏+𝟏
EJEMPLO

Años Índices de base Índices de

Cálculos Años
variable base fija
2012 100 (83.21/108)*100=77.1 2012 77.05
2013 108 (79.05/95)*100=83.26 2013 83.21
2014 95 (86.96/110)*100=79.1 2014 79.05
2015 110 (100/115)*100=86.96 2015 86.96
2016 115 100 2016 100
2017 106 (100*106)/100=106 2017 106
2018 112 (106*112)/100 2018 118.72
 Solución:

Cálculos Años Índices de

base fija
EJEMPLO
(83.21/108)*100=77.1 2012 77.05
(79.05/95)*100=83.26 2013 83.21
(86.96/110)*100=79.1 2014 79.05
(100/115)*100=86.96 2015 86.96
100 2016 100
(100*106)/100=106 2017 106
(106*112)/100 2018 118.72
Interpretación:
➢ En el año del 2013 presentó menos ingresos en un 16.79%.

¿Cuál sería la interpretación para el año 2018?

AVISOS
 UNIVERSIDAD DE EL SALVADOR
EDUCACIÓN EN LÍNEA - MERCADEO INTERNACIONAL

ESTADÍSTICA II
EST218 2023
UNIDAD 5:
NÚMEROS ÍNDICES
VT13
Deflactación
Índices económicos de uso más frecuente
Índice de Precios al Consumidor y su construcción
 AGENDA
❑SALUDO Y BIENVENIDA
❑DEFLACTACIÓN
❑NÚMEROS ÍNDICES MÁS FRECUENTES
❑AVISOS Y RECORDATORIOS
❑DESPEDIDA
 LA DEFLACTACIÓN

Deflactación

La deflactación es un procedimiento estadístico que

consiste convertir los valores nominales en valores
reales, a fin de poder estandarizar la comparación
del valor en el tiempo. La conversión requiere un
índice de precios que sirva de deflactor del valor
nominal.
PROCESO DE DEFLACTACIÓN
 DEFINICIONES

• Valor nominal: es el valor de los bienes y servicios a precios

de cada período corriente

• Valor real: es una estimación del valor de los bienes y

servicios a precios del año base.

• Deflactor: es un índice de precios utilizado para deflactar o

neutralizar las variaciones de precios de un período, se utiliza
como el denominador del valor nominal.
 Ejemplo 1

Año Salario IPC Aplicación de Salario real

El salario nominal de 2012=100 Fórmula
Boris Paiz fue de $850
en el año 2014, cuando 2014 $850 115 850/115*100 739.13
el índice de precios de
base 2012, fue 115. En 2019 $1000 140 1000/140*100 714.28
el 2019, el índice es 140
y el salario nominal del
• La situación del Sr. Paiz empeoró por
Sr. Paiz es $1000.
¿Habrá mejorado el la inflación pues su nivel de compra
poder adquisitivo del Sr. en 2014 era de $739.13, pasó a ser
Paiz? menor en 2019 con $714.28
 Ejercicio

• Cierta empresa estadounidense obtuvo los siguientes ingresos

monetarios en los años de 1994 a 1997
Año Ingreso IPC 1984=100
Monetario ($)
1994 42110 148.2
1995 46000 152.4
1996 49800 156.9
1997 53500 158.6

• Determine el poder adquisitivo del ingreso monetario que obtuvo

la empresa en cada año del periodo de 1994 a 1997
 Solución

El poder adquisitivo es el valor real del ingreso monetario, por tanto tenemos:
Año Ingreso IPC Ingreso real (Valor adquisitivo)
Monetario ($) 1984=100
1994 42110 148.2 (42110/148.2)*100=28414

1995 46000 152.4 (46000/152.4)*100=30183

1996 49800 156.9 (49800/156.9)*100=31739

1997 53500 158.6 (53500/158.6)*100=33732

Números índices
más frecuentes Índices de Precios al
Consumidor
Índices de Precios al
Por Mayor
Índices de Precios
Industriales

• Mide las variaciones • Mide las variaciones • Mide la evolución

de precios de una en precios de bienes mensual de los
canasta de consumo en su primera precios de venta a
promedio en las transacción, es decir salida de fábrica de
familias de El entre productores, los productos
Salvador. La actual intermediarios y industriales
base de distribuidores. La fabricados y
comparación es actual base de vendidos en el
diciembre de 2009. comparación es mercado interior, la
1978. actual base data de
1998
 IPC (Índice del Precio del Consumidor)

Es un número índice que mide cambios de precios de un mes a otro, a través

del monitoreo de una canasta de bienes y servicios previamente definidos y
que los hogares compran y utilizan directa o indirectamente para la
satisfacción de sus propias necesidades y deseos.
No debe interpretarse como un indicador del coste de vida de la población,
ni un indicador de la media absoluta del nivel de precios.
Una de las aplicaciones del IPC, es estimar la inflación de un período. La tasa
de inflación se refiere al porcentaje de variación del IPC. Se calcula a partir
de la información disponible mes a mes.
La inflación se refiere al alza generalizada y sostenidas en los precios de los
bienes y servicios que se intercambian en la actividad económica de una
región.
 IPC (EL SALVADOR 2023 AGOSTO-OCTUBRE)
Ago Sep Oct
1 Índice general 129.44 129.67 130.14
EJEMPLO
1.1 Alimentos y bebidas no alcohólicas 153 153.05 154.48
1.2 Bebidas alcohólicas, tabaco 169.74 169.54 170.43
1.3 Prendas de vestir y calzado 99.76 100 100.22
1.4 Alojamiento, agua, electricidad, gas y otros
combustibles 144.12 144.75 144.11
1.5 Muebles, artículos para el hogar y para la conservación
ordinaria del hogar 114.82 114.95 115.1
1.6 Salud 110.35 110.47 110.42
1.7 Transporte 119.73 120.39 120.62
1.8 Comunicaciones 81.35 81.28 81.08
1.9 Recreación y cultura 96.56 96.21 96.36
1.10 Educación 116.03 116.03 116.03
1.11 Restaurantes y hoteles 149.55 150.4 151.45
1.12 Bienes y servicios diversos 126.32 126.17 126.51
EJEMPLO
Usando la tabla de IPC (agosto –octubre 2023)
Calcular la tasa de Inflación para agosto-septiembre,
septiembre-octubre

• 𝑖 𝑠𝑒𝑝𝑡𝑖𝑒𝑚𝑏𝑟𝑒 2023 = 129.44/129.67 − 1 ∗ 100

• 𝑖 𝑠𝑒𝑝𝑡𝑖𝑒𝑚𝑏𝑟𝑒 2023 = −0.18 %

• 𝑖 𝑜𝑐𝑡𝑢𝑏𝑟𝑒 2023 =(129.67/130.14 - 1) ∗ 100 = −0.36%

 Construcción de Índices de Precios al
Consumidor

• La construcción de un IPC, requiere una planificación que pasa por una

encuesta para determinar la estructura de consumo en el año base
que se realiza por medio de una encuesta.

• El levantamiento en campo de la encuesta se realizó entre septiembre

de 2005 y Agosto 2006, la muestra de las viviendas particulares
seleccionadas fue de 4,576 distribuidas en los 14 departamentos del
país, 186 municipios y 149 cantones.
La encuesta fue desarrollada en un período de 52
semanas y las visitas a los hogares se realizaron en
14 días y de ellos 10 eran de visitas continuas. En
cada período de levantamiento se distribuyó un
total de 176 viviendas seleccionadas para la
encuesta, es decir, un total de 22 segmentos,
constituidos cada uno por 8 viviendas. Al final del
levantamiento de la información la tasa de
respuesta de los hogares fue del 95%.
 • De acuerdo a la metodología de cálculo del IPC, la construcción
del índice considera una comparación entre las bases de 1992 y
2009.
IPC base 2009 IPC base 1992
EJEMPLO
Fuente de Información Encuesta Nacional de Encuesta Nacional de
Ingresos y Gastos de los Ingresos y Gastos de los
Hogares 2005 - 2006 Hogares 1990 - 1991

Cobertura Geográfica 6 departamentos, 23 5 departamentos, 13

municipios municipios
Período Base Mes base = Diciembre 2009 Mes base = Diciembre 1992

Población de Referencia Toda la población Toda la población

Clasificación de bienes y Clasificación del Consumo Clasificación de Ingresos y
servicios Individual por Gastos
Finalidades (CCIF) (CIGA), luego se adecuo a
CCIF
 IPC base 2009 IPC base 1992

1. División
2. Grupo
EJEMPLO
Niveles de agregación 3. Subgrupo
4. Clase
5. Artículo
Criterios de selección Participación relativa en el
gasto total (80%)
Frecuencia relativa de
consumo relevante (bajo
peso/muy significativos)
1. División
2. Grupo
3. Artículo
El peso que el gasto en el
artículo tiene respecto al
gasto total
Porcentaje de hogares que
incurren en ese gasto

Expectativas de
crecimiento de demanda
 IPC base 2009 IPC base 1992

Fórmula de cálculo Laspeyres más media Laspeyres más media

geométrica aritmética
EJEMPLO
Precios recolectados 12,200 4,419

Muestra de 4000 1407

establecimientos
Precios en oferta Se toman precios de oferta, No se toman precios de
pero no liquidaciones, ni oferta
por caducidad ni por daños
Sistema informático Desarrollo en C# Fox Pro

Canasta de consumo 238 bienes y servicios, 241 bienes y servicios

repartidos en 196
bienes y 42 servicios.
AVISOS