Tema 2: Estadística Descriptiva Bivariante.
|
|
- Lourdes Sánchez Prado
- hace 7 años
- Vistas:
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.
DISTRIBUCIONES BIDIMENSIONALES
RESUMEN DISTRIBUCIONES BIDIMENSIONALES J. Vega RELACIONES LABORALES ESTADÍSTICA 15 de noviembre de 2008 RESUMEN 1 DISTRIBUCIONES BIDIMENSIONALES DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES
Más detallesTema 2: Análisis de datos bivariantes
1 Tema 2: Análisis de datos bivariantes En este tema: Tabla de contingencia, tabla de doble entrada, distribución conjunta. Frecuencias relativas, marginales, condicionadas. Diagrama de dispersión. Tipos
Más detallesEstadística Estadística descriptiva bivariante
Estadística Estadística descriptiva bivariante Vamos a medir dos características (variables) sobre cada individuo. Las variables pueden ser cuantitativas o cualitativas combinadas de todas las formas posibles
Más detallesPart I. Descripción estadística de dos variables. Estadística I. Mario Francisco. Variable. bidimensional. Distribuciones de frecuencias
Part I Descripción de dos variables Introducción Si para un mismo individuo observamos simultáneamente k obtendremos como resultado una variable k-dimensional. Nos ocuparemos del estudio de las variables
Más detallesTema 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 detallesTema 1: Estadística Descriptiva
Estadística 4 Tema : Estadística Descriptiva Definición Población es cualquier conjunto de datos, objetivo de nuestro interés que caracteriza un fenómeno que nos interesa Definición 2 Muestra es un subconjunto
Más detallesTema 2: Análisis de datos bivariantes
Tema 2: Análisis de datos bivariantes Los contenidos a desarrollar en este tema son los siguientes: 1. Tablas de doble entrada. 2. Diagramas de dispersión. 3. Covarianza y Correlación. 4. Regresión lineal.
Más detallesDistribuciones Bidimensionales.
Distribuciones Bidimensionales. 1.- Variables Estadísticas Bidimensionales. Las variables estadísticas bidimensionales se representan por el par (X, Y) donde, X es una variable unidimensional, e Y es otra
Más detallesDescripción conjunta de dos variables
Descripción conjunta de dos variables Tema 2 Descripción breve del tema. Introducción Ignacio Cascos Depto. Estadística, Universidad Carlos III Ignacio Cascos Depto. Estadística, Universidad Carlos III
Más detallesUniversidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL
Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL OBJETIVO Analizar las Diferentes formas de Describir la Relación entre dos variables numéricas Trazar un diagrama de dispersión
Más detallesTema 9: Estadística descriptiva
Tema 9: Estadística descriptiva Matemáticas específicas para maestros Grado en Educación Primaria Matemáticas específicas para maestros Tema 9: Estadística descriptiva Grado en Educación Primaria 1 / 47
Más detallesTema 2: Estadística Bivariante Unidad 1: Correlación y Regresión
Estadística Tema 2: Estadística Bivariante Unidad 1: Correlación y Regresión Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Octubre 2010 Contenidos...............................................................
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 4)
OBJETIVOS DE APRENDIZAJE: TEMA Nº ANÁLISIS CONJUNTO DE DOS VARIABLES Distinguir entre variables cualitativas y cuantitativas, y saber elegir los métodos en cada caso. Conocer métodos gráficos y cuantitativos
Más detalles1, 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 detallesESTADÍSTICA Hoja 2
Estadística 1 ESTADÍSTICA 05-06. Hoja 2 1. Dada la variable bidimensional (X, Y ), Es cierto que: a) La suma de todas las frecuencias absolutas conjuntas es igual al número de datos.? b) La suma de todas
Más detallesESTADÍSTICA DESCRIPTIVA UNIDIMENSIONAL. 30/09/2004 Proyecto MaMaEuSch 1
ESTADÍSTICA DESCRIPTIVA UNIDIMENSIONAL 0/09/00 Proyecto MaMaEuSch Estadística Ciencia que trata sobre los métodos científicos para: Recoger, organizar, resumir y analizar datos Sacar conclusiones relevantes
Más detallesX 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 detalles1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos
TEMA 10 (curso anterior): REGRESIÓN Y CORRELACIÓN 1 Conceptos de Regresión y Correlación 2 Variables aleatorias bidimensionales 3 Ajuste de una recta a una nube de puntos 4 El modelo de la correlación
Más detalles2. ESTADÍSTICAS BIDIMENSIONALES
TEMA. ESTADÍSTICAS BIDIMENSIONALES.... Definición. Objetivos.... Coeficiente de Correlación. Lineal... 4 3. Rectas de regresión.... 7 . Definición. Objetivos En el tema anterior hemos estudiado las distribuciones
Más detallesVariables 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 detallesTema 1: Estadística descriptiva. Probabilidad y Estadística (Ing. Informática). Tema 1: Estadística descriptiva 1
Tema 1: Estadística descriptiva Probabilidad y Estadística (Ing. Informática). Tema 1: Estadística descriptiva 1 Introducción Objetivo: estudiar una característica o variable en una población. Ejemplos:
Más detallesTablas estadísticas bidimensionales. Regresión y correlación lineal. Coe ciente de correlación. Signi cado y aplicaciones
Tema 62 Tablas estadísticas bidimensionales Regresión y correlación lineal Coe ciente de correlación Signi cado y aplicaciones 621 Introducción Consideremos una población de n individuos descritos simultáneamente
Más detallesTema 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 detallesEstadística I Tema 3: Análisis de datos bivariantes
Estadística I Tema 3: Análisis de datos bivariantes Tema 3: Análisis de datos bivariantes Contenidos 31 Tablas de doble entrada Datos bivariantes Estructura de la tabla de doble entrada Distribuciones
Más detallesTEMA 3 REGRESIÓN Y CORRELACIÓN
TEMA 3 REGRESIÓN Y CORRELACIÓN Regresión mínimo-cuadrática bidimensional Planteamiento del problema Dadas dos variables aleatorias X e Y definidas sobre un mismo espacio de probabilidad (asociadas a un
Más detallesU ED Tudela Introducción al Análisis de Datos - Tema 5
I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 5: Relación entre variables (II) 1.- Cuál de las siguientes afirmaciones es verdadera? A) Una correlación de 0 78 entre dos variables X e Y tiene la misma intensidad
Más detallesEstadística de dos variables
Versión: Estadística de dos variables 19 de septiembre de 013 1 Introducción En el Tema 1 se consideran las variables estadísticas unidimensionales, es decir, cada individuo de la muestra se describe de
Más detallesTema 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 detallesRegresión lineal
86 Bioestadística: Métodos y Aplicaciones coeficiente de determinación de la regresión de Y sobre X, R 2 Y X, como R 2 Y X = 1 S2 E S 2 Y (3.4) Si el ajuste de Y mediante la curva de regresión Ŷ = f(x)
Más detallesUNIDAD DIDÁCTICA III ESTADÍSTICA BIDIMENSIONAL Y REGRESIÓN LINEAL SIMPLE
UNIDAD DIDÁCTICA III ESTADÍSTICA BIDIMENSIONAL Y REGRESIÓN LINEAL SIMPLE 1 INTRODUCCIÓN TEMA 1. TABLAS DE CONTINGENCIA : LECTURA E INTERPRETACIÒN TEMA 2. APLICACIONES TEMA 3.GRÀFICAS CON DOS VARIABLES
Más detallesDistribución bidimensional. Marginales. Correlación lineal. Rectas de regresión.
REGRESIÓN LINEAL. Distribución bidimensional. Marginales. Correlación lineal. Rectas de regresión. Dada una población, hasta ahora hemos estudiado cómo a partir de una muestra extraída de ella podemos
Más detallesU ED Tudela Introducción al Análisis de Datos - Tema 4
I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 4: Análisis conjunto de dos variables. 1.- Cuando se dice que dos variables están correlacionadas positivamente, se tiene que interpretar que: A) un aumento en una
Más detallesRegresión: 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 detallesTEMA 4: DISTRIBUCIONES BIDIMENSIONALES
TEMA 4: DISTRIBUCIOES BIDIMESIOALES 4.1.- DISTRIBUCIOES BIDIMESIOALES DE FRECUECIAS. 4.2.- REPRESETACIOES GRÁFICAS. 4.3.- MOMETOS DE DISTRIBUCIOES BIDIMESIOALES. 4.1- DISTRIBUCIOES BIDIMESIOALES DE FRECUECIAS.
Más detallesTEMA 4 CUESTIONARIO DE AUTOEVALUACIÓN
4.5.- En cuál de los siguientes casos se podría utilizar la varianza residual en lugar del coeficiente de determinación para medir la calidad del ajuste? Con el mismo conjunto de datos y dos ajustes distintos.
Más detallesEstadística 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 detallesTema 2: Análisis de datos bidimensionales
Tema : Análisis de datos bidimensionales Variables estadísticas bidimensionales Distribuciones de frecuencias asociadas Regresión y correlación En una población puede resultar interesante considerar simultáneamente
Más detallesMétodo 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 detallesTEMA 2: DISTRIBUCIONES BIDIMENSIONALES
TEMA : DISTRIBUCIONES BIDIMENSIONALES 1.- DISTRIBUCIONES BIDIMENSIONALES Cuando estudiamos un solo carácter estadístico, los datos que obtenemos forman una variable estadística unidimensional. También
Más detallesTema 7: Estadística descriptiva bivariante
Estadística I Universidad de Salamanca Curso 2010/2011 Outline 1 Introducción 2 3 de tablas de doble entrada de datos individualizados 4 Introducción En este tema estudiaremos las relaciones existentes
Más detallesMódulo 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 detallesVARIABLES 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 detallesTEMA 14 ESTADÍSTICA. Cuantitativa: si puede medirse y expresarse con números (es una variable), por ejemplo la talla de calzado.
Objetivos / Criterios de evaluación TEMA 14 ESTADÍSTICA O.15.1 Conocer el significado y saber calcular los parámetros de centralización y dispersión O.15.2 Interpretar y utilizar los parámetros de dispersión.
Más detallesD 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. VARIABLES ESTADÍSTICAS BIDIMENSIONALES En numerosas ocasiones interesa estudiar simultáneamente dos (o más) caracteres de una población. En
Más detallesy = 2, entonces: a) x es más dispersa que y. b) son igual de dispersas. 9.- Sean dos variables estadísticas x e y con los siguientes valores x = 5, σ
VARIABLES ESTADÍSTICAS 1.- Sea X una variable estadística de media 2 metros y desviación típica 5 metros. Sea Y una variable estadística de media 24 cm y desviación típica 60 centímetros. a) Y es más dispersa
Más detallesVariable 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 detalles7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE
ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago
Más detalles15. 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 detalles3 ANALISIS DESCRIPTIVO DE LOS DATOS
3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3
Más detallesEstadística unidimensional
Estadística unidimensional Población y muestra Población Se llama población al conjunto bien delimitado de unidades (elementos), ya sean individuos u objetos, del que se interesa observar o medir alguna
Más detallesEstadística 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 detallesProfesor: Hugo S. Salinas. Primer Semestre Tabla 1: Inteligencia y Rendimiento. X Y Figura 1: Inteligencia y Rendimiento.
UNIVERSIDAD DE ATACAMA FACULTAD DE CIENCIAS JURÍDICAS / CARRERA DE TRABAJO SOCIAL TECNOLOGÍA INFORMÁTICA I (SPSS) ESTADÍSTICA DESCRIPTIVA CON MÁS DE UNA VARIABLE Profesor: Hugo S. Salinas. Primer Semestre
Más detallesEstadística 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 detallesEl análisis de correspondencias. Ana María López Jiménez Dept. Psicología Experimental (USE)
El análisis de correspondencias Ana María López Jiménez Dept. Psicología Experimental (USE) 4. El análisis de correspondencias 4.. Introducción 4.2. Tabla de correspondencias 4.3. Dependencia e independencia
Más detallesCUESTIONES 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 detallesRegresión Lineal Simple y Múltiple Regresión Logística
Regresión Lineal Simple y Múltiple Regresión Logística Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura MUI en Ciencias de la Salud MUI en Ciencias de la Salud (UEx) Regresión
Más detallesUNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS ECONÓMICAS
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS ECONÓMICAS INSTITUTO DE INVESTIGACIÓN DE LA FACULTAD DE CIENCIAS ECONÓMICAS INFORME FINAL DEL TEXTO TEXTO: ESTADÍSTICA DESCRIPTIVA APLICADA A LA ECONOMIA
Más detallesAnálisis de regresión y correlación lineal
Análisis de regresión y correlación lineal En las unidades anteriores hemos aplicado metodologías estadísticas para analizar la información de una variable desde una o más muestras utilizando las herramientas
Más detallesCuaderno 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 detallesLección 3. Análisis conjunto de dos variables
Lección 3. Análisis conjunto de dos variables Estadística Descriptiva Parcialmente financiado a través del PIE13-04 (UMA) GARCÍA TEMA 3. ANÁLII CONJUNTO DE DO VARIABLE 3.1 COVARIANZA COEFICIENTE DE CORRELACIÓN
Más detallesCLASES 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 detallesTema 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 detallesEspacios 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 detallesf i i=1 y j fij y j f j = ȳ j=1 indep.
APELLIDOS: NOMBRE: GRUPO: 2 DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA 1 o. INGENIERÍA INFORMÁTICA Estadística Descriptiva. Curso 2007/2008 Examen Segunda Prueba Ev. Continua. Fecha: 2-6-2008
Más detallesEstadística I Tema 3: Análisis de datos bivariantes
Estadística I Tema 3: Análisis de datos bivariantes Tema 3: Análisis de datos bivariantes Contenidos 1. Introducción. Datos bivariantes. 2. Representaciones. Tablas de doble entrada. Distribución conjunta
Más detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
Más detalles6 Vectores. Dependencia e independencia lineal.
6 Vectores. Dependencia e independencia lineal. Introducción Hay fenómenos reales que se pueden representar adecuadamente mediante un número con su adecuada unidad de medida. Sin embargo para representar
Más detallesRegresión 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 detallesTema 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 detallesAjuste por mínimos cuadrados
Mathieu Departamento de Matemática Aplicada y Estadística Universidad Politécnica de Cartagena Cartagena, Enero 2010 Guión 1 Planteamiento 2 Criterio de mínimos cuadrados 3 Casos concretos: regresión lineal
Más detallesM Dolores Redondas Curso
M Dolores Redondas dolores.redondas@upm.es E.U. Arquitectura Técnica U.P.M. Curso 2009-2010 2 Problemas básicos de la estadística aplicada Algunos problemas básicos que suelen presentarse en la investigación
Más detallesRepaso 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 detallesCorrelación. 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 detallesEl 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 detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Regresión Lineal Simple Tema 15
Unidad Temática 3: Estadística Analítica Unidad 9 Regresión Lineal Simple Tema 15 Estadística Analítica CORRELACIÓN LINEAL SIMPLE Indica la fuerza y la dirección de una relación lineal proporcional entre
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA 1. Conceptos Generales Población estadística.- Conjunto de todos los elementos sobre el que recaen las observaciones. Las poblaciones pueden ser: infinitas, p.e. extracciones con
Más detallesDiplomatura en Ciencias Empresariales
DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Diplomatura en Ciencias Empresariales ESTADÍSTICA II Relación Tema 7: Variables estadísticas bidimensionales. 1. Se han lanzado dos dados varias veces.
Más detallesPor qué unos cerezos tienen mayor volumen que otros?
En la siguiente tabla se muestra el volumen (en pies cúbicos) de 31 cerezos. Observamos que no todos los cerezos tienen el mismo volumen, es decir, constatamos variabilidad en el volumen de los cerezos.
Más detallesEstadística Descriptiva
Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística Descriptiva Estadística I curso 2008 2009 1. Definiciones fundamentales La Estadística Descriptiva se ocupa
Más detallesEstadística I Tema 3: Análisis de datos bivariantes
Estadística I Tema 3: Análisis de datos bivariantes Tema 3: Análisis de datos bivariantes Contenidos 1. Introducción. Datos bivariantes. 2. Representaciones. Tablas de doble entrada. Distribución conjunta
Más detallesAlgunos apuntes de Estadística de 4º (nivel avanzado)
Algunos apuntes de Estadística de 4º (nivel avanzado) Coeficiente de correlación lineal El coeficiente de correlación lineal es el cociente entre la covarianzay el producto de las desviaciones típicas
Más detallesRepresentaciones gráficas de las distribuciones bidimensionales de frecuencias... 74
Índice 1. Introducción al R 15 1.1. Introducción............................. 15 1.2. El editor de objetos R....................... 18 1.3. Datos en R............................. 19 1.3.1. Vectores...........................
Más detallesPrueba de Evaluación Continua Grupo A 26-XI-14
Estadística Descriptiva y Regresión y Correlación Prueba de Evaluación Continua Grupo A -XI-1 1.- Los valores de 5 mediciones realizadas con un distanciometro con apreciación en milímetros han sido agrupados
Más detallesBioestadística. 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 detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Correlación y Regresión Lineal Simple
Unidad Temática 3: Estadística Analítica Unidad 9 Correlación y Regresión Lineal Simple Análisis de Correlación Creado por Karl Pearson en 1920. Tiene el propósito de medir el grado de asociación observado
Más detallesAnálisis de Correspondencias Simple
1 Capítulo 4 Análisis de Correspondencias Simple 41 INTRODUCCIÓN El Análisis de Correspondencias Simple permite describir las relaciones entre dos variables categóricas dispuestas en una tabla de contingencia
Más detallesRegresión 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 detallesASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN
CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)
Más detallesTema 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 detallesEstadística 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 detallesTEMA 10 Correlación y regresión. El modelo de regresión simple
TEMA 10 Correlación y regresión. El modelo de regresión simple Karl Pearson (1857-1936) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones no lineales
Más detallesCAPÍTULO 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 detallesAnálisis de los resultados de la evaluación del aprendizaje de procedimientos de análisis descriptivo en ingeniería informática
Análisis de los resultados de la evaluación del aprendizaje de procedimientos de análisis descriptivo en ingeniería informática Apellidos, nombre Capilla Romá, Carmen 1 (ccapilla@eio.upv.es) Departamento
Más detallesDistribuciones 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 detallesDistribuciones bidimensionales
Distribuciones bidimensionales Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda. Ejemplo Si se deja caer una piedra,
Más detallesESTADÍSTICA Hoja 2
Estadística 1 ESTADÍSTICA 0-10. Hoja 1. Sean X e Y variables estadísticas con distribución conjunta: X\Y 0 1-1 1 b 0 c 0 a 0 1 3 1 g 1 d e f a) Completar la tabla y obtener las distribuciones marginales
Más detallesCORRELACIÓN 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 detallesTEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE MÍNIMOS CUADRADOS
UNIVERSIDAD DE ORIENTE NÚCLEO DE ANZOÁTEGUI EXTENSIÓN REGIÓN CENTRO-SUR ANACO, ESTADO ANZOÁTEGUI Asignatura: Estadística II Docente: Ing. Jesús Alonso Campos TEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE
Más detallesEstadística ESTADÍSTICA
ESTADÍSTICA La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un estudio estadístico consta
Más detallesHasta ahora hemos considerado una variable. En este tema estudiamos varias variables y cada una de ellas representa una característica.
Estadística Administrativa. 006-007. J.A. Mayor Tema 7. Series estadísticas de dos caracteres. Distribuciones de frecuencias. Medidas de asociación RESUMEN DE TRABAJO PARA LA CLASE Hasta ahora hemos considerado
Más detalles