Tema 2: Estadística Descriptiva Bivariante.

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Tema 2: Estadística Descriptiva Bivariante."

Transcripción

1 Estadística 24 Tema 2: Estadística Descriptiva Bivariante. Se va a estudiar la situación en la que los datos representan observaciones, correspondientes a dos variables o caracteres, efectuadas en los individuos de una determinada población. Su estudio conjunto nos va a permitir determinar las relaciones entre ellas. Ambas variables pueden ser cuantitativas, una cualitativa y la otra cuantitativa, o las dos cualitativas. Vamos a denotar por X e Y las variables estadísticas objeto de estudio; A, A 2,.., A l serán las modalidades de la variable X, B, B 2,..., B k las modalidades de la variable Y. El par (x i,y i ) denotará, en general, el valor de las variables X e Y sobre el elemento i-ésimo de la población. Tablas de doble entrada. Una primera forma de resumir la información contenida en los datos es por medio de tablas de frecuencias. Definición i. Se denomina frecuencia total al número total de individuos observados o número total de datos,. ii. Se denomina frecuencia absoluta del par (A i,b j ),alnúmero de individuos, n ij,deentrelos, que poseen la modalidad A i de X, y la modalidad B j de Y a la vez. iii. Se denomina frecuencia relativa del par (A i,b j ),alcocientef ij n ij. Definición 2 Se dice que se ha dado la distribución conjunta de las variables estadísticas X e Y si se dan las modalidades de las variables y las correspondientes frecuencias (absolutas o relativas) con que aparece cada par. La forma de dar estos valores es por medio de tablas en las que aparecen las distintas modalidades de las variables (ordenadas de menor a mayor, si la variable es cuantitativa). En la tabla pueden aparecer frecuencias relativas en lugar de absolutas y en ocasiones, se indican ambas. X\Y B B 2... B k A n n 2... n k A 2 n 2 n n 2k A l n l n l2... n lk Si las dos variables X e Y son cualitativas, la tabla correspondiente recibe el nombre de tabla de contingencia.

2 Estadística 25 Propiedades. l k n ij i j 2. l k f ij i j Ejemplo: Distribución de alumnos de 2 o de I.T.I. por titulación y sexo: Titulación\Sexo Hombre Mujer Eléctrico Electrónico Mecánico Químico Distribuciones marginales. A partir de una distribución conjunta de dos variables es posible estudiar la distribución de cada una de las variables aisladamente ( es decir, independientemente de los valores que tome la otra variable). Los valores de las frecuencias para las variables X e Y se obtienen a partir de la tabla conjunta, anotando en los márgenes de la tabla la suma de los valores de cada fila y de cada columna: X\Y B B 2... B k A n n 2... n k n. A 2 n 2 n n 2k n A l n l n l2... n lk n l. n. n.2... n.k Las frecuencias relativas y absolutas, respectivamente, de la modalidad A i de la variable X son: k f i. f ij k n i. n ij j j Las frecuencias relativas y absolutas, respectivamente, de la modalidad B j de la variable Y son: l f.j f ij l n.j n ij i i

3 Estadística 26 Observación Las distribuciones marginales de X e Y son distribuciones univariantes; en este sentido, puede aplicárselas todo lo estudiado en el tema anterior. En particular, si son variables cuantitativas, tendrán asociada media, varianza, etc. Ejemplo: Distribución de alumnos de 2 o de I.T.I. por titulación y sexo: Titulación\Sexo Hombre Mujer Eléctrico Electrónico Mecánico Químico La distribución marginal de Titulación es: Titulación Eléctrico Electrónico Mecánico Químico Frecuencia 2 07 Frecuencia relativa 2 07 YladeSexo: Sexo Hombre Mujer Frecuencia Frecuencia relativa Distribuciones condicionadas. Definición Se define la distribución condicionada de Y cuando X A i ( respectivamente, de X condicionada a B j ), que se denota por Y/(X A i ) ( respectivamente X/(Y B j ))comola distribución de la variable Y (respectivamente X) sobre los elementos de la población que tienen la característica A i (respectivamente, B j ). Observación 2 Un aspecto importante de las distribuciones condicionadas es que la población objeto de estudio no es la misma que la de partida. Los valores de las frecuencias para la variables Y/(X A i )yx/(y B j ) se obtienen a partir de la tabla conjunta: Las frecuencias absolutas de la variable Y cuando X A i son las de la línea correspondiente a A i. Las frecuencias relativas de la variable Y cuando X A i son: f j/i fij f i. por f(b j /(X A i ))). En efecto, f j/i nij n i. nij/ n i. / (también se representan

4 Estadística 27 Las frecuencias absolutas de la variable X cuando Y B j son las de la columna correspondiente a B j. Las frecuencias relativas de la variable X cuando Y B j son: f i/j fij f.j (también se representan por f(a i /(Y B j ))). Ejemplo: La distribución condicionada de Titulación a Mujer es: Titulación/(Mujer) Eléctrico Electrónico Mecánico Químico Frecuencia Frecuencia relativa 5 64 Y la de Sexo a Mecánico: Sexo/(Mecánico) Hombre Mujer Frecuencia Frecuencia relativa Proposición Dadas las distribuciones condicionadas de la variable X a cada modalidad de la variable Y, y dada la distribución marginal de Y (respectivamente, de Y a cada modalidad de X, y la marginal de X), queda determinada la distribución conjunta de (X,Y). En efecto, basta observar que f ij f i/j f.j f j/i f i.. Definición 4 Se dice que las variables estadísticas X e Y son estadísticamente independientes si se verifica: f i/j f i. para i, 2,...,l, j, 2,...,k. Se dice que dos modalidades A i y B j son estadísticamente independientes si se verifica: f i/j f i. La definición anterior significa que la distribución de la variable X no depende de los valores que tome la variable Y, y recíprocamente. Proposición 2 Las siguientes condiciones son equivalentes:. Las variables estadísticas X e Y son independientes, 2. f ij f i. f.j,parai, 2,...,l, j, 2,...,k.. f j/i f.j para i, 2,...,l, j, 2,...,k. Ejemplo: Variables no independientes: X\Y B B 2 B A 0 0 A A 0 0 Variables independientes: X/Y B B 2 B A 9 A 2 9 A

5 Estadística 28 Representaciones gráficas de las distribuciones bidimensionales de frecuencias. Las distribuciones marginales y condicionadas son distribuciones unidimensionales, como ya se ha indicado y, por tanto, sus representaciones gráficas se ajustarán a las vistas en la sección de distribuciones unidimensionales de frecuencias. Se van a considerar sólo representaciones gráficas de distribuciones bidimensionales: Diagrama de Mosaico. Sobre el eje Y se representan las modalidades de una de las variables y sobre cada una se levanta un rectángulo con área proporcional a la frecuencia marginal de la modalidad. Cada rectángulo se subdivide en subrectángulos de base proporcional a la frecuencia condicionada de cada valor de la otra variable a esta modalidad. De esa manera se da también una imagen gráfica de la distribución conjunta de ambas variables (proporcionada por el área de cada subrectángulo). En el ejemplo de la distribución de alumnos por titulación y sexo: Diagramas de barras. Se utiliza para representar la distribución cuando ambas variables tienen pocas modalidades. Consiste en dibujar para cada par (A i,b j ) una barra de longitud proporcional a la frecuencia (relativa o absoluta). Las barras se pueden disponer de diversas formas. Damos dos ejemplos:

6 Estadística 29 Histograma tridimensional. Se utiliza para representar la distribución cuando ambas variables son continuas y agrupadas en intervalos. Consiste en representar las clases de cada variable en un plano y levantar sobre cada rectángulo un paralelepípedo de volumen proporcional a la frecuencia relativa o absoluta. Si los rectángulos base de todas las clases son iguales, los paralelepípedos que se levantan, y que tienen que verificar que su volumen sea proporcional a la frecuencia de la clase, tendrán como altura un valor proporcional a las frecuencias (relativas o absolutas). Diagrama de dispersión o nube de puntos. Se utiliza para variables cuantitativas sin agrupar en clases y en las que no existen pares de valores repetidos. Consiste en representar cada par de puntos (x i,y j ) en un plano. Permite obtener también una representación gráfica de las distribuciones marginales de X e Y, si se proyectan los puntos sobre cada eje (se obtiene así el diagrama de puntos para cada variable). En el siguiente gráfico están representados, para una población de cereales de uso comn en el desayuno, el contenido de carbohidratos y de calorías para 00gr de producto: 4 Dependencia lineal. Una de las formas de dependencia de más interés entre variables continuas es la dependencia lineal, por varias razones: En muchos problemas prácticos la relación entre las variables es lineal. Aún cuando la relación no sea lineal, frecuentemente es linealizable, mediante transformaciones. Si el rango de valores es pequeño, la aproximación lineal puede ser válida. Vamos a introducir a continuación medidas de la relación lineal entre las variables:. Covarianza. Definición 5 Sea (X, Y ) una distribución bidimensional, se define la covarianza de (X,Y) y se representa por Cov(X,Y) ó s XY como: l k Cov(X,Y) (x i x)(y j ȳ) f ij i j

7 Estadística 0 Observación La fórmula anterior es válida cuando se tiene la distribución de frecuencias de (X, Y ). Si lo que se tiene son los pares de datos en la forma (x i,y i ) i, 2,..., la expresión anterior queda de la forma: Cov(X,Y) i (x i x)(y i ȳ) Si los datos están agrupados en frecuencias absolutas, entonces Cov(X,Y) l,k i,j (x i x)(y j ȳ)n ij Vamos a ver una forma de expresar la covarianza, útil a la hora de hacer cálculos: Usando la expresión anterior y desarrollando: Cov(X,Y) (x i x)(y i ȳ) (x i y i x i ȳ xy i + xȳ) i i ( ) x i y i ȳ x i x y i + xȳ x i y i ȳ x xȳ + xȳ x i y i ȳ x i i i i i Observación 4 El valor de la covarianza proporciona información sobre la posible relación lineal entre dos variables; cuando los datos parecen disponerse entorno a una recta de pendiente positiva, la covarianza es positiva; si parecen disponerse en torno a una recta de pendiente negativa, la covarianza es negativa; si no parece haber relación lineal, la covarianza es próxima acero:

8 Estadística Propiedades 2 Sean X e Y dos variables estadísticas.. Si X e Y son independientes, entonces Cov(X,Y) 0. (El recíproco no es en general cierto). En efecto, si X e Y son independientes, para cada i,j se tiene que f ij f i. f.j y por tanto, l k l k Cov(X,Y) x i y i f ij xȳ x i y i f i. f.j xȳ i j i j ( l ) k x i f i. y j f.j xȳ 0 i j 2. Si a, b, c, d IR, y U ax + b, V cy + d, entonces Cov(U,V) accov(x,y). Cov(U,V) Cov(aX+b,cY+d) (ax i + b (a x + b)) (cy i + d (cȳ + d)) i (ax i a x)(cy i cȳ) accov(x,y) i Ejemplo: Las variables X e Y cuya distribución viene dada por la siguiente tabla conjunta, tienen Cov(X,Y) 0, pero no son independientes, es fácil observar que Y X 2. X\Y Coeficiente de correlación. Uno de los principales inconvenientes de la covarianza es que depende de las unidades de medida de las variables. El coeficiente de correlación es una medida adimensional.

9 Estadística 2 Definición 6 Se define el coeficiente de correlación lineal entre dos variables X e Y yse denota por r, como: r Cov(X,Y) s X s Y. Propiedades. Es un coeficiente adimensional. 2. El valor de r no varía si multiplicamos X por a e Y por b con a y b números reales del mismo signo.. r. 4. r si, y sólo si, exite relación lineal exacta entre las variables, es decir, si existen a, b IR tales que y i ax i + b, i,...,. Además, si a>0, esrysia<0 es r. 4. SiXeYsonestadísticamente independientes, entonces r 0. Observación 5 De las propiedades anteriores se deduce que si r es próximo a ± se puede sospechar la existencia de relación lineal entre las variables y que si r es próximo a 0, se puede sospechar la inexistencia de tal relación. En cualquier caso, el coeficiente de correlación es una medida resumen de la estructura de un diagrama de dispersión, y por tanto siempre conviene dibujar el diagrama que es el que contiene toda la información. 5 Rectas de regresión. Una vez que sabemos que dos variables estadísticas tienen un cierto grado de relación lineal, puede interesarnos obtener la ecuación que mejor expresa esta relación. Dicha recta se denomina recta de ajuste y no es única (depende del criterio de proximidad elegido). Cuando el objetivo es que la recta nos permita explicar el comportamiento de una variable a través de la otra, el criterio adecuado es el de mínimos cuadrados que consite en minimizar la suma de las desviaciones, en sentido ortogonal al eje de la variable predictora, de cada punto a la recta, tomadas al cuadrado para prescindir del signo. Dados (x i,y i ) i, 2,...,,(tal que existen j,k con x j x k ) veremos dos casos: - determinar la recta y ax + b que haga mínima (y i ax i b) 2, (es decir, las distancias verticales entre el valor observado y el previsto por la recta) si se quiere explicar el i comportamiento de Y a través de X. (Recta de regresión de Y respecto de X.) - determinar la recta x cy + d que haga mínima (x i cy i d) 2, (es decir, las distancias horizontales entre el valor observado y el previsto por la recta) si se quiere explicar el i comportamiento de X a través de Y. (Recta de regresión de X respecto de Y.) os vamos a centrar en la obtención de la primera; el otro caso es similar. Recta de regresión de Y respecto de X. Definición 7 Llamaremos residuo e i a la diferencia entre el valor observado y el proporcionado por la recta de regresión: e i y i ax i b.

10 Estadística El criterio elegido es, entonces, minimizar la suma de cuadrados de los residuos. Para ello, vamos a llamar y (y,y 2,...,y ) t, x (x,...,x ) t y (,...,) t, vectores en IR. El problema de determinar la recta de ajuste se puede plantear de la siguiente forma: Encontrar el vector v en el subespacio vectorial de IR, S, generado por y x, que haga mínima la distancia en norma euclídea del vector y as.gráficamente se observa que este vector es la proyección ortogonal de y sobre S, es decir, el único vector v S tal que cumple: y v x y y v. Por tanto, v será lasolución (única) del sistema: ( y v) x 0 ( y v) 0 Poniendo v a x + b y desarrollando los productos escalares en el sistema anterior se obtiene: x ( ) i i b y i i a x i x i y i i x 2 i i Dividiendo por las dos ecuaciones del sistema y resolviéndole por medio de eliminación gaussiana, se obtiene el sistema equivalente: ( )( ) ( ) x b ȳ 0 s 2 x a s xy Resolviendo este sistema se obtiene que: a sxy s 2 x b ȳ sxy x s 2 x Definición 8 Se llama recta de regresión de Y respecto de X, a la recta de ecuación: y ȳ s xy (x x) s 2 y Observación 6 Se observa que siempre es posible construir una única recta de regresión aunque no exista relación lineal entre las variables (con tal de que existan i,j con x i x j ). Utilizando el coeficiente de correlación, tenemos que la expresión de la recta es Observación 7 Se observa que ē 0: Y ȳ + r s Y s X (X x) i i e i i (y i ax i b) i y i a x i i Cov(X,Y) b ȳ x b 0.

11 Estadística 4 y por tanto la varianza residual ó varianza de los residuos, tiene la siguiente expresión: s 2 e Y/X (y i ax i b) 2 i Proposición s 2 e Y/X s 2 Y ( r 2 ) Demostración Se 2 (y i ax i b) 2 Y/X i i (y i ȳ) 2 ( ) 2 Cov(X,Y) (x i x) 2 + i i ((y i ȳ) Cov(X,Y) (x s 2 i x)) 2 X 2 Cov(X,Y) i (x i x)(y i ȳ) S 2 y (Cov(X,Y))2 s 2 Y ( r 2 ). A partir del resultado anterior, se obtiene una descomposición de la varianza de Y como s 2 Y s 2 e Y/X + r 2 s 2 Y La primera parte es la variabilidad debida a los residuos y la segunda la variabilidad de Y explicada por X y se interpreta de la siguiente forma: si la varianza residual es próximaa0,la recta proporciona valores previstos de Y próximos a los observados (en ese caso r ypodría existir relación lineal); en el caso opuesto, si la varinaza residual es próxima a la varianza de Y, el modelo no ayuda a explicar la variabilidad de Y (se tendría r 0). Se deduce que el porcentaje de variabilidad de Y explicada por X se puede expresar como r 2 00%. Recta de regresión de X respecto de Y. Si de lo que se trata es de encontrar la recta función de Y que mejor explica X, es decir, la recta de regresión de X sobre Y, entonces llegamos a las ecuaciones: X x + Cov(X,Y) (Y ȳ) s 2 Y X x + r s X (Y ȳ) s Y Se define la varianza residual para la recta de X/Y como: s 2 (x i cy i d) 2 e X/Y, i donde x cy + d es la recta. Se verifica que: s 2 e X/Y ( r2 ) Entonces dadas dos variables estadísticas, se pueden construir dos rectas de regresión, según me interese explicar Y en función de X obienx en función de Y.

12 Estadística 5 Definición 9. Se denominan coeficientes de regresión alosvalores: b Y/X Cov(X,Y) b X/Y Cov(X,Y) s 2 Y 2. Se denominan pendientes de regresión a los valores de las pendientes de ambas rectas: m Y/X Cov(X,Y) m X/Y s 2 Y Cov(X,Y) Observación 8 Obsérvese que la recta de regresión de Y respecto de X es de la forma: Y ȳ Cov(X,Y) (X x), y por tanto su pendiente (coeficiente de la variable X) es Cov(X,Y). Sin embargo, la recta de regresión de X respecto de Y es de la forma: X x Cov(X,Y) (Y ȳ), s 2 Y y su pendiente (que también es el coeficiente de la variable X, una vez despejada la variable Y) s es por tanto 2 Y Cov(X,Y). Propiedades 4. Las dos rectas de regresión se cortan en ( x, ȳ). 2. Las pendientes de ambas rectas tienen siempre el mismo signo.. b Y/X r s Y sx 4. b Y/X b X/Y r 2 b X/Y r s X sy 5. m Y/X m X/Y s2 Y s 2. X 6. m X/Y m Y/X En efecto, m X/Y m Y/X s2 /Cov(X,Y) Y, yaque r. Cov(X,Y)/s 2 r 2 X 6. Los signos de Cov(X,Y), r, b Y/X, b X/Y, m Y/X y m X/Y coinciden.

Tema 3: Análisis de datos bivariantes

Tema 3: Análisis de datos bivariantes Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta

Más detalles

X Y

X Y Capítulo 2 Distribuciones bivariantes Hasta ahora hemos estudiado herramientas que nos permiten describir las características de un único carácter Sin embargo, en muchos casos prácticos, es necesario estudiar

Más detalles

D I S T R I B U C I O N E S B I D I M E N S I O N A L E S

D I S T R I B U C I O N E S B I D I M E N S I O N A L E S D I S T R I B U C I O N E S B I D I M E N S I O N A L E S 1 INTRODUCCIÓN: Variables estadísticas bidimensionales En numerosas ocasiones interesa estudiar simultáneamente dos (o más) caracteres de una población

Más detalles

1, 2, 2, 3, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 2, 1, 1, 4, 1

1, 2, 2, 3, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 2, 1, 1, 4, 1 8 Estadística 81 Distribuciones unidimensionales Tablas de frecuencias En este tema nos ocuparemos del tratamiento de datos estadísticos uestro objeto de estudio será pues el valor de una cierta variable

Más detalles

Método de cuadrados mínimos

Método de cuadrados mínimos REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,

Más detalles

Tema 10: Introducción a los problemas de Asociación y Correlación

Tema 10: Introducción a los problemas de Asociación y Correlación Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación

Más detalles

Variables estadísticas bidimensionales

Variables estadísticas bidimensionales Variables estadísticas bidimensionales BEITO J GOZÁLEZ RODRÍGUEZ (bjglez@ulles) DOMIGO HERÁDEZ ABREU (dhabreu@ulles) MATEO M JIMÉEZ PAIZ (mjimenez@ulles) M ISABEL MARRERO RODRÍGUEZ (imarrero@ulles) ALEJADRO

Más detalles

Estadística aplicada a la comunicación

Estadística aplicada a la comunicación Estadística aplicada a la comunicación Tema 5: Análisis de datos cuantitativos I: estadística descriptiva b. Análisis bivariante OpenCourseWare UPV/EHU Unai Martín Roncero Departamento de Sociología 2

Más detalles

Estadística para el análisis de los Mercados S3_A1.1_LECV1. Estadística Descriptiva Bivariada

Estadística para el análisis de los Mercados S3_A1.1_LECV1. Estadística Descriptiva Bivariada Estadística Descriptiva Bivariada En el aspecto conceptual, este estudio puede ser generalizado fácilmente para el caso de la información conjunta de L variables aunque las notaciones pueden resultar complicadas

Más detalles

15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos:

15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos: 15. Regresión lineal Este tema, prácticamente íntegro, está calacado de los excelentes apuntes y transparencias de Bioestadística del profesor F.J. Barón López de la Universidad de Málaga. Te recomiendo

Más detalles

Variable Estadística Bidimensional

Variable Estadística Bidimensional Capítulo 2 Variable Estadística Bidimensional 21 Distribución de Frecuencias Bidimensional Sea una población de n individuos donde estudiamos, simultáneamente, dos variables X e Y Seanx 1,x 2,,x k las

Más detalles

Regresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable.

Regresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable. 1 DEFINICIONES PREVIAS Regresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable. Correlación: es la cuantificación del grado de relación existente

Más detalles

VARIABLES ESTADÍSTICAS BIDIMENSIONALES

VARIABLES ESTADÍSTICAS BIDIMENSIONALES VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes

Más detalles

Estadística Inferencial. Estadística Descriptiva

Estadística Inferencial. Estadística Descriptiva INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y

Más detalles

Regresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística

Regresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012

Más detalles

Tema 9: Estadística en dos variables (bidimensional)

Tema 9: Estadística en dos variables (bidimensional) Tema 9: Estadística en dos variables (bidimensional) 1. Distribución de frecuencias bidimensional En el tema anterior se han estudiado las distribuciones unidimensionales obtenidas al observar sólo un

Más detalles

Tema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION.

Tema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION. Tema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION. Distribuciones uni- y pluridimensionales. Hasta ahora se han estudiado los índices y representaciones de una sola variable por individuo. Son las distribuciones

Más detalles

Tema 8: Regresión y Correlación

Tema 8: Regresión y Correlación Tema 8: Regresión y Correlación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Regresión y Correlación Curso 2008-2009 1 / 12 Índice

Más detalles

CORRELACIÓN Y REGRESIÓN. Raúl David Katz

CORRELACIÓN Y REGRESIÓN. Raúl David Katz CORRELACIÓN Y REGRESIÓN Raúl David Katz 1 Correlación y regresión Introducción Hasta ahora hemos visto el modo de representar la distribución de frecuencias de los datos correspondientes a una variable

Más detalles

Regresión y Correlación

Regresión y Correlación Relación de problemas 4 Regresión y Correlación 1. El departamento comercial de una empresa se plantea si resultan rentables los gastos en publicidad de un producto. Los datos de los que dispone son: Beneficios

Más detalles

Distribuciones bidimensionales. Correlación.

Distribuciones bidimensionales. Correlación. Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 4: Distribuciones bidimensionales. Correlación. Resumen teórico Resumen teórico de los principales conceptos estadísticos

Más detalles

Tema 3. Relación entre dos variables cuantitativas

Tema 3. Relación entre dos variables cuantitativas Tema 3. Relación entre dos variables cuantitativas Resumen del tema 3.1. Diagrama de dispersión Cuando sobre cada individuo de una población se observan simultáneamente dos características cuantitativas

Más detalles

CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES

CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES TUTORÍA DE INTRODUCCIÓN A LA ESTADÍSTICA (º A.D.E.) CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES 1º) Qué ocurre cuando r = 1: a) Los valores teóricos no

Más detalles

Correlación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)

Correlación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre

Más detalles

CLASES DE ESTADÍSTICA II ESPERANZA ABSOLUTA

CLASES DE ESTADÍSTICA II ESPERANZA ABSOLUTA 1 CLASES DE ESTADÍSTICA II CLASE ) ESPERANZA ABSOLUTA. ESPERANZA CONDICIONAL. ESPERANZA ABSOLUTA El cálculo de valores esperados o esperanzas a nivel de dos variables aleatorias es una generalización matemática

Más detalles

Teoría de la decisión

Teoría de la decisión 1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia

Más detalles

Repaso Estadística Descriptiva

Repaso Estadística Descriptiva Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 13 de octubre de 2010 Índice Descriptiva de una variable 1 Descriptiva de una variable 2 Índice Descriptiva de una variable

Más detalles

Técnicas de Investigación Social

Técnicas de Investigación Social Licenciatura en Sociología Curso 2006/07 Técnicas de Investigación Social Medir la realidad social (4) La regresión (relación entre variables) El término REGRESIÓN fue introducido por GALTON en su libro

Más detalles

Módulo de Estadística

Módulo de Estadística Módulo de Estadística Tema 3: Estadística descriptiva bivariante y regresión lineal. Tema 3: Estadística bivariante 1 Relaciones entre variables y regresión El término regresión fue introducido por Galton

Más detalles

El ejemplo: Una encuesta de opinión

El ejemplo: Una encuesta de opinión El ejemplo: Una encuesta de opinión Objetivos Lo más importante a la hora de planificar una encuesta es fijar los objetivos que queremos lograr. Se tiene un cuestionario ya diseñado y se desean analizar

Más detalles

TEMA 8. GEOMETRÍA ANALÍTICA.

TEMA 8. GEOMETRÍA ANALÍTICA. TEMA 8. GEOMETRÍA ANALÍTICA. 8..- El plano. Definimos el plano euclideo como el conjunto de puntos ( x, y) R. Así, cada punto del plano posee dos coordenadas. Para representar puntos del plano utilizaremos

Más detalles

Cuaderno de actividades 1º

Cuaderno de actividades 1º Cuaderno de actividades 1º 1 ITRODUCCIÓ: Variables estadísticas bidimensionales En numerosas ocasiones interesa estudiar simultáneamente dos (o más) caracteres de una población En el caso de dos (o más)

Más detalles

Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados

Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados Capítulo 5 Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados En este tema iniciamos el estudio de los conceptos geométricos de distancia y perpendicularidad en K n. Empezaremos con las definiciones

Más detalles

Tema 2 Datos multivariantes

Tema 2 Datos multivariantes Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,

Más detalles

Estadística Descriptiva II: Relación entre variables

Estadística Descriptiva II: Relación entre variables Estadística Descriptiva II: Relación entre variables Iniciación a la Investigación Ciencias de la Salud MUI Ciencias de la Salud, UEx 25 de octubre de 2010 De qué trata? Descripción conjunto concreto de

Más detalles

Coeficiente de Correlación

Coeficiente de Correlación Coeficiente de Correlación Al efectuar un análisis de regresión simple (de dos variables) necesitamos hacer las siguientes suposiciones. Que las dos variables son mensurables Que la relación entre las

Más detalles

Bioestadística. Tema 3: Estadística descriptiva bivariante y regresión lineal. Relaciones entre variables y regresión

Bioestadística. Tema 3: Estadística descriptiva bivariante y regresión lineal. Relaciones entre variables y regresión Bioestadística Tema 3: Estadística descriptiva bivariante y regresión lineal. Tema 3: Estadística bivariante 1 Relaciones entre variables y regresión El término regresión fue introducido por Galton en

Más detalles

1.- Diagrama de barras

1.- Diagrama de barras 1.- Diagrama de barras Un diagrama de barras se utiliza para de presentar datos cualitativos o datos cuantitativos de tipo discreto (variables tipo II). Se representan sobre unos ejes de coordenadas, en

Más detalles

Estadística descriptiva bivariante y regresión lineal.

Estadística descriptiva bivariante y regresión lineal. Estadística descriptiva bivariante y regresión lineal. 1 Relaciones entre variables y regresión El término regresión fue introducido por Galton en su libro Natural inheritance (1889) refiriéndose a la

Más detalles

Tema 3: Espacios vectoriales

Tema 3: Espacios vectoriales Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación

Más detalles

2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo.

2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo. 2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo. 2.1 Formas cuadráticas. Expresión matricial y analítica. Expresiones diagonales. Definición 2.1 (Expresión matricial) Una

Más detalles

Espacios vectoriales reales.

Espacios vectoriales reales. Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre

Más detalles

Regresión múltiple. Demostraciones. Elisa Mª Molanes López

Regresión múltiple. Demostraciones. Elisa Mª Molanes López Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +

Más detalles

UNIDAD II. VARIACION DIRECTAMENTE PROPORCIONAL Y FUNCIONES LINEALES

UNIDAD II. VARIACION DIRECTAMENTE PROPORCIONAL Y FUNCIONES LINEALES UNIDAD II. VARIACION DIRECTAMENTE PROPORCIONAL Y FUNCIONES LINEALES Al finalizar esta unidad: - Describirás verbalmente en que consiste el cambio y cuáles son los aspectos involucrados en él. - Identificarás

Más detalles

1. Cómo introducir datos en SPSS/PC? - Recordatorio

1. Cómo introducir datos en SPSS/PC? - Recordatorio 1 Taller de Estadística Curso 2oo5/2oo6 Descripción de datos bivariantes El objetivo de esta práctica es familiarizarse con las técnicas de descripción de datos bidimensionales y con algunas de las opciones

Más detalles

Algebra lineal y conjuntos convexos

Algebra lineal y conjuntos convexos Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar

Más detalles

Matemáticas. Bioestadística. Correlación y Regresión Lineales

Matemáticas. Bioestadística. Correlación y Regresión Lineales Matemáticas Bioestadística Correlación y Regresión Lineales En una distribución bidimensional puede ocurrir que las dos variables guarden algún tipo de relación entre si. Por ejemplo, si se analiza la

Más detalles

EL ESPACIO AFÍN EUCLIDEO

EL ESPACIO AFÍN EUCLIDEO EL ESPACIO AFÍN EUCLIDEO DEFINICIÓN: Dado el Espacio Afín donde es el espacio ordinario, es el espacio de los vectores libres y f es la aplicación que a cada par de puntos (A,B) asocia el vector libre.

Más detalles

ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL Msc. Lácides Baleta Octubre 16 Página 1 de 11 REGRESIÓN Y CORRELACIÓN LINEAL Son dos herramientas para investigar la dependencia de una variable dependiente Y

Más detalles

Tema 8. Análisis de dos variables Ejercicios resueltos 1

Tema 8. Análisis de dos variables Ejercicios resueltos 1 Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los

Más detalles

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada. ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos

Más detalles

Diplomatura en Ciencias Empresariales X Y 10 10000 100 1000 1000 100 10000 10

Diplomatura en Ciencias Empresariales X Y 10 10000 100 1000 1000 100 10000 10 DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Diplomatura en Ciencias Empresariales ESTADÍSTICA II Relación Tema 10: Regresión y correlación simple. 1. Ajustar una función potencial a los siguientes

Más detalles

Cátedra: Estadística Técnica Facultad de Ingeniería UNCuyo. Índice D. Fernández & M. Guitart TABLA DE CONTENIDOS

Cátedra: Estadística Técnica Facultad de Ingeniería UNCuyo. Índice D. Fernández & M. Guitart TABLA DE CONTENIDOS Cátedra: TABLA DE CONTENIDOS INTRODUCCIÓN Qué es la Probabilidad? Qué es la Estadística? La evolución histórica de la Estadística Algunos conceptos imprescindibles Fuentes de datos Tipos de datos y escalas

Más detalles

Tema 3: Estadística Descriptiva

Tema 3: Estadística Descriptiva Tema 3: Estadística Descriptiva Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 3: Estadística Descriptiva Curso 2008-2009 1 / 27 Índice

Más detalles

Jesús Eduardo Pulido Guatire, marzo Diagrama de Dispersión y Correlación Lineal Simple

Jesús Eduardo Pulido Guatire, marzo Diagrama de Dispersión y Correlación Lineal Simple Jesús Eduardo Pulido Guatire, marzo 0 Diagrama de Dispersión y Correlación Lineal Simple Hasta el momento el trabajo lo hemos centrado en resumir las características de una variable mediante la organización

Más detalles

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) 1. ESTADÍSTICA: CLASES Y CONCEPTOS BÁSICOS En sus orígenes históricos, la Estadística estuvo ligada a cuestiones de Estado (recuentos, censos,

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL SIMPLE 1. El problema de la regresión lineal simple. Método de mínimos cuadrados 3. Coeficiente de regresión 4. Coeficiente de correlación lineal 5. El contraste de regresión 6. Inferencias

Más detalles

Variables estadísticas bidimensionales: problemas resueltos

Variables estadísticas bidimensionales: problemas resueltos Variables estadísticas bidimensionales: problemas resueltos BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimenez@ull.es) M. ISABEL MARRERO

Más detalles

Capítulo 6. Análisis bivariante de variables

Capítulo 6. Análisis bivariante de variables Contenidos: Capítulo 6 Análisis bivariante de variables Distribución bidimensional de frecuencias ( tabla de correlación o contingencia ) Distribuciones marginales Coeficientes de Asociación Análisis de

Más detalles

Una forma fácil de recordar esta suma (regla de Sarrus): Primero vamos a estudiar algunas propiedades de los determinantes.

Una forma fácil de recordar esta suma (regla de Sarrus): Primero vamos a estudiar algunas propiedades de los determinantes. Una forma fácil de recordar esta suma (regla de Sarrus): Ejemplos: Tarea: realizar al menos tres ejercicios de cálculo de determinantes de matrices de 2x2 y otros tres de 3x3. PARA DETERMINANTES DE MATRICES

Más detalles

Estadística Descriptiva Bivariante e Intervalos de Confianza

Estadística Descriptiva Bivariante e Intervalos de Confianza Estadística Descriptiva Bivariante e Intervalos de Confianza Introducción En este guión se presenta el análisis conjunto de dos variables (análisis bivariante) y una introducción a los intervalos de confianza

Más detalles

SOLUCIÓN A LOS EJERCICIOS DEL SPSS Bivariante

SOLUCIÓN A LOS EJERCICIOS DEL SPSS Bivariante SOLUCIÓ A LOS EJERCICIOS DEL SPSS Bivariante. a). La media y la varianza de las variables estatura y peso en la escala de medida norteamericana. Peso Peso: Transformar -> Calcular: Libras.4536 Peso libras

Más detalles

Si el carácter es cualitativo, hallaremos las frecuencias absolutas de cada modalidad del carácter.

Si el carácter es cualitativo, hallaremos las frecuencias absolutas de cada modalidad del carácter. TABLAS Y GRÁFICOS ESTADÍSTICOS. RECUENTO Y AGRUPAIENTO DE DATOS Una vez recogidos los datos debemos resumir la información de forma adecuada y útil para su posterior estudio. Según el tipo de problema,

Más detalles

Bioestadística. En una distribución bidimensional puede ocurrir que las dos variables guarden algún tipo de relación entre si.

Bioestadística. En una distribución bidimensional puede ocurrir que las dos variables guarden algún tipo de relación entre si. 1 de 5 15/10/2006 06:04 a.m. Bioestadística. Correlación y regresión lineales. En una distribución bidimensional puede ocurrir que las dos variables guarden algún tipo de relación entre si. Por ejemplo,

Más detalles

ESTADÍSTICA. Individuo. Es cada uno de los elementos que forman la población o muestra.

ESTADÍSTICA. Individuo. Es cada uno de los elementos que forman la población o muestra. ESTADÍSTICA La estadística tiene por objeto el desarrollo de técnicas para el conocimiento numérico de un conjunto de datos empíricos (recogidos mediante experimentos o encuestas). Según el colectivo a

Más detalles

Tema 2. Descripción Conjunta de Varias Variables

Tema 2. Descripción Conjunta de Varias Variables Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis

Más detalles

Estadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión

Estadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión Estadís5ca Tema 2. Modelos de regresión María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica bajo

Más detalles

Expresión decimal. Aproximación y estimación. Notación científica. Polinomios. Divisibilidad de polinomios. Regla de Ruffini.

Expresión decimal. Aproximación y estimación. Notación científica. Polinomios. Divisibilidad de polinomios. Regla de Ruffini. Otras páginas Matemáticas 5º Matemáticas I. Bloque I: ARITMÉTICA Y ÁLGEBRA Los números reales Los números reales, concepto y características. Estructura algebraica, orden, representación en la recta real

Más detalles

CAPÍTULO 11 ESTADÍSTICA DESCRIPTIVA BIDIMENSIONAL

CAPÍTULO 11 ESTADÍSTICA DESCRIPTIVA BIDIMENSIONAL CAPÍTULO 11 ESTADÍSTICA DESCRIPTIVA BIDIMENSIONAL 11.1 DISTRIBUCIONES MARGINALES Y CONDICIONALES Cuando sobre cada individuo de una población se observan dos características aleatorias de naturaleza cuantitativa

Más detalles

3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS

3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS 1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias

Más detalles

Tema 1: Análisis de datos univariantes

Tema 1: Análisis de datos univariantes Tema 1: Análisis de datos univariantes 1 En este tema: Conceptos fundamentales: muestra y población, variables estadísticas. Variables cualitativas o cuantitativas discretas: Distribución de frecuencias

Más detalles

Esta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )

Esta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n ) Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder

Más detalles

1 Tema 4: Variable Aleatoria Bidimensional y n-dimensional

1 Tema 4: Variable Aleatoria Bidimensional y n-dimensional 1 Tema 4: Variable Aleatoria Bidimensional y n-dimensional 4.1. Variable aleatoria bidimensional Las Variables Aleatorias Bidimensionales o N-Dimensionales surgen cuando es necesario trabajar en espacios

Más detalles

Apuntes y ejercicios de Estadística para 2º E.S.O

Apuntes y ejercicios de Estadística para 2º E.S.O Apuntes y ejercicios de Estadística para 2º E.S.O 1 Introducción La Estadística es la ciencia que se encarga de recoger, organizar, describir e interpretar datos referidos a distintos fenómenos para, posteriormente,

Más detalles

Las variedades lineales en un K-espacio vectorial V pueden definirse como sigue a partir de los subespacios de V.

Las variedades lineales en un K-espacio vectorial V pueden definirse como sigue a partir de los subespacios de V. Capítulo 9 Variedades lineales Al considerar los subespacios de R 2, vimos que éstos son el conjunto {(0, 0)}, el espacio R 2 y las rectas que pasan por el origen. Ahora, en algunos contextos, por ejemplo

Más detalles

Prácticas Tema 2: El modelo lineal simple

Prácticas Tema 2: El modelo lineal simple Prácticas Tema 2: El modelo lineal simple Ana J. López y Rigoberto Pérez Departamento de Economía Aplicada. Universidad de Oviedo PRACTICA 2.1- Se han analizado sobre una muestra de 10 familias las variables

Más detalles

Tema 1. Tabulación y representación gráfica de los datos

Tema 1. Tabulación y representación gráfica de los datos Tema 1. Tabulación y representación gráfica de los datos Resumen del tema 1.1. Introducción a la Estadística Estadística: ciencia que se ocupa de recoger, clasificar, representar y resumir los datos de

Más detalles

UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS

UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS Sistemas de dos ecuaciones con dos incógnitas. Método de igualación. Método de reducción. Método de sustitución Método de eliminación Gaussiana.

Más detalles

Análisis de datos en los estudios epidemiológicos III Correlación y regresión

Análisis de datos en los estudios epidemiológicos III Correlación y regresión Análisis de datos en los estudios epidemiológicos III Correlación y regresión Salinero. Departamento de Investigación Fuden Introducción En el capitulo anterior estudiamos lo que se denomina estadística

Más detalles

son dos elementos de Rⁿ, definimos su suma, denotada por

son dos elementos de Rⁿ, definimos su suma, denotada por 1.1 Definición de un vector en R², R³ y su Interpretación geométrica. 1.2 Introducción a los campos escalares y vectoriales. 1.3 La geometría de las operaciones vectoriales. 1.4 Operaciones con vectores

Más detalles

Conjuntos de nivel, diagramas de contorno, gráficas. Funciones vectoriales de una y dos variables.

Conjuntos de nivel, diagramas de contorno, gráficas. Funciones vectoriales de una y dos variables. Empezaremos el curso introduciendo algunos conceptos básicos para el estudio de funciones de varias variables, que son el objetivo de la asignatura: Funciones escalares de dos y tres variables. Conjuntos

Más detalles

Matemáticas. Selectividad ESTADISTICA COU

Matemáticas. Selectividad ESTADISTICA COU Matemáticas Selectividad ESTADISTICA COU 1. Un dentista observa el Nº de Caries en cada uno de los 100 niños de cierto colegio. La información obtenida aparece resumida en la siguiente tabla. Nº Caries

Más detalles

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso Septiembre Primera Parte

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso Septiembre Primera Parte ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 13 - Septiembre - 2.004 Primera Parte Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras

Más detalles

CLASIFICACIÓN AFÍN DE CÓNICAS

CLASIFICACIÓN AFÍN DE CÓNICAS Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS CLASIFICACIÓN AFÍN DE CÓNICAS Sea E un R-espacio vectorial de dimensión. Sean E = e 1, e un plano vectorial de E y e 0 un

Más detalles

Métodos Matemá-cos en la Ingeniería Tema 5. Estadís-ca descrip-va

Métodos Matemá-cos en la Ingeniería Tema 5. Estadís-ca descrip-va Métodos Matemá-cos en la Ingeniería Tema 5. Estadís-ca descrip-va Jesús Fernández Fernández Carmen María Sordo García DEPARTAMENTO DE MATEMÁTICA APLICADA Y CIENCIAS DE LA COMPUTACIÓN UNIVERSIDAD DE CANTABRIA

Más detalles

Aplicaciones Lineales. Diagonalización de matrices.

Aplicaciones Lineales. Diagonalización de matrices. Tema 2 Aplicaciones Lineales. Diagonalización de matrices. 2.1. Definiciones y propiedades Nota 2.1.1. En este tema trabajaremos con los Espacios Vectoriales R n y R m definidos sobre el cuerpo R. Definición

Más detalles

UNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO ESCUELA PREPARATORIA TEXCOCO

UNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO ESCUELA PREPARATORIA TEXCOCO UNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO ESCUELA PREPARATORIA TEXCOCO MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIÓN PARA DATOS NO AGRUPADOS MATERIAL DIDACTICO SOLO VISION ASIGNATURA QUE CORRESPONDE: ESTADISTICA

Más detalles

UNIDAD Nº4. Ejemplo.- Dados los Gastos de publicidad en los meses enero a julio, los cuales generan los sgts. Ingresos:

UNIDAD Nº4. Ejemplo.- Dados los Gastos de publicidad en los meses enero a julio, los cuales generan los sgts. Ingresos: UNIDAD Nº4 TEORÍA DE REGRESIÓN Y CORRELACIÓN 1.- Teoría de Regresión.- En términos de estadística los conceptos de regresión y ajuste con líneas paralelas son sinónimos lo cual resulta estimar los valores

Más detalles

Matemáticas II Bachillerato Ciencias y Tecnología 2º Curso. Espacio euclídeo Determinación de ángulos

Matemáticas II Bachillerato Ciencias y Tecnología 2º Curso. Espacio euclídeo Determinación de ángulos Espacio euclídeo 5.1. Determinación de ángulos.... - 2-5.1.1. Ángulo determinado por dos rectas secantes.... - 2-5.1.2. Ángulo determinado por planos secantes.... - 2-5.1.3. Ángulo determinado por una

Más detalles

TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.

TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares

Más detalles

3. CORRELACIÓN Y REGRE-

3. CORRELACIÓN Y REGRE- 3. CORRELACIÓN Y REGRE- SIÓN Objetivo Medir y ajustar una relación lineal entre dos variables cuantitativas. Bibliografia recomendada Peña y Romo (1997), Capítulos 8 y 9. Índice 1. Covarianza y sus propiedades

Más detalles

Matrices y determinantes

Matrices y determinantes Matrices y determinantes 1 Ejemplo Cuál es el tamaño de las siguientes matrices? Cuál es el elemento a 21, b 23, c 42? 2 Tipos de matrices Matriz renglón o vector renglón Matriz columna o vector columna

Más detalles

Tema 3 Algebra. Ecuaciones. Sistemas de ecuaciones: Inecuaciones Índice

Tema 3 Algebra. Ecuaciones. Sistemas de ecuaciones: Inecuaciones Índice Tema 3 Algebra. Ecuaciones. Sistemas de ecuaciones: Inecuaciones Índice 1. ECUACIONES... 2 1.1. Ecuaciones de primer grado... 2 1.2. Ecuaciones de segundo grado... 3 1.2.1. Ecuación de segundo grado completa...

Más detalles

Bachillerato Internacional. Matemáticas Nivel Medio. Programa para el curso 1º ( )

Bachillerato Internacional. Matemáticas Nivel Medio. Programa para el curso 1º ( ) 1 Bachillerato Internacional. Matemáticas Nivel Medio. Programa para el curso 1º (2015-2016) Tema 1: NÚMEROS REALES Conjuntos numéricos. Números naturales. Números enteros. Números racionales. Números

Más detalles

MATEMÁTICAS I Y II CONTENIDOS BACHILLERATO

MATEMÁTICAS I Y II CONTENIDOS BACHILLERATO MATEMÁTICAS I Y II CONTENIDOS BACHILLERATO BLOQUE 1. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS Los contenidos de este bloque se desarrollan de forma simultánea al resto de los bloques. Resolución de

Más detalles

REPASO DE ESTADÍSTICA DESCRIPTIVA

REPASO DE ESTADÍSTICA DESCRIPTIVA ÍNDICE: 1.- Tipos de variables 2.- Tablas de frecuencias 3.- Gráficos estadísticos 4.- Medidas de centralización 5.- Medidas de dispersión REPASO DE ESTADÍSTICA DESCRIPTIVA 1.- Tipos de variables La estadística

Más detalles

Tema 2. Regresión Lineal

Tema 2. Regresión Lineal Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite

Más detalles

Estadística Descriptiva II

Estadística Descriptiva II Estadística Descriptiva II M. Carmen Carollo Limeres Estadística descriptiva bivariable En muchas ocasiones nos encontramos con situaciones en las que nos interesa analizar conjuntamente dos características.

Más detalles

Gobierno de La Rioja MATEMÁTICAS CONTENIDOS

Gobierno de La Rioja MATEMÁTICAS CONTENIDOS CONTENIDOS MATEMÁTICAS 1.- Números reales Distintas ampliaciones de los conjuntos numéricos: números enteros, números racionales y números reales. Representaciones de los números racionales. Forma fraccionaria.

Más detalles

Clase 8 Matrices Álgebra Lineal

Clase 8 Matrices Álgebra Lineal Clase 8 Matrices Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia Matrices Definición Una matriz es un arreglo rectangular de números denominados entradas

Más detalles