DISTRIBUCIONES BIDIMENSIONALES
|
|
|
- Arturo Gallego Acosta
- hace 6 años
- Vistas:
Transcripción
1 RESUMEN DISTRIBUCIONES BIDIMENSIONALES J. Vega RELACIONES LABORALES ESTADÍSTICA 15 de noviembre de 2008
2 RESUMEN 1 DISTRIBUCIONES BIDIMENSIONALES DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS 2 GRÁFICAS DIAGRAMA DE BARRAS TRIDIMENSIONAL DIAGRAMA DE DISPERSIÓN o NUBE DE PUNTOS 3 DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA
3 RESUMEN 4 REGRESIÓN REGRESIÓN LINEAL 5 CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL. r
4 DISTRIBUCIONES BIDIMENSIONALES INTRODUCCIÓN Siguiente Paso Buscar relaciones entre la variables.(no se asegurará causalidad) Realizar un estudio conjunto de dos variables. Aunque se pueden estudiar conjuntamente: Cualitativa-Cualitativa (Sexo-Situación Laboral) Cualitativa-Cuantitativa (Estado Civil-Edad) Cuantitativa-Cuantitativa (Edad-Número Semanal de Horas de Trabajo) Nos centraremos en el estudio conjunto de dos variables Cuantitativas
5 DISTRIBUCIONES BIDIMENSIONALES INTRODUCCIÓN Siguiente Paso Buscar relaciones entre la variables.(no se asegurará causalidad) Realizar un estudio conjunto de dos variables. Aunque se pueden estudiar conjuntamente: Cualitativa-Cualitativa (Sexo-Situación Laboral) Cualitativa-Cuantitativa (Estado Civil-Edad) Cuantitativa-Cuantitativa (Edad-Número Semanal de Horas de Trabajo) Nos centraremos en el estudio conjunto de dos variables Cuantitativas
6 DISTRIBUCIONES BIDIMENSIONALES DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS 1 DISTRIBUCIONES BIDIMENSIONALES DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS 2 GRÁFICAS DIAGRAMA DE BARRAS TRIDIMENSIONAL DIAGRAMA DE DISPERSIÓN o NUBE DE PUNTOS 3 DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA
7 DISTRIBUCIONES BIDIMENSIONALES DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS Variables X e Y Población: Empleados de una empresa. (n=10) X =Años de antigüedad en el trabajo. Y =Número de Accidentes Laborales en el último año. Datos (X, Y) Se denomina: Variable Bidimensional. (2,2),(2,3),(2,3),(3,2),(3,2),(4,1),(4,2),(5,1),(5,1),(5,1)
8 DISTRIBUCIONES BIDIMENSIONALES DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS Variables X e Y Población: Empleados de una empresa. (n=10) X =Años de antigüedad en el trabajo. Y =Número de Accidentes Laborales en el último año. Datos (X, Y) Se denomina: Variable Bidimensional. (2,2),(2,3),(2,3),(3,2),(3,2),(4,1),(4,2),(5,1),(5,1),(5,1)
9 DISTRIBUCIONES BIDIMENSIONALES Distribución Conjunta DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS Las tablas de frecuencias de la distribución conjunta se presenta en una tabla de doble entrada. Tabla de Frecuencias Absolutas Y X
10 DISTRIBUCIONES BIDIMENSIONALES DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS k= es el número de modalidades de X p= número de modalidades de Y n ij = número de veces que aparece el par (x i, y j ) se tiene: Ordenadas las variables: x 1 < x 2 < < x k, y 1 < y 2 < < y p Tabla de Frecuencias Absolutas X Y y 1 y 2 y j y p x 1 n 11 n 12 n 1j n 1p n 1 x 2 n 21 n 22 n 2j n 2p n x i n i1 n i2 n ij n ip n i x k n k1 n k2 n kj n kp n k n 1 n 2 n j n p n = n
11 DISTRIBUCIONES BIDIMENSIONALES DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS Tabla de Frecuencias Relativas Se obtiene sustituyendo las n ij por f ij = n ij n Ejemplo Y X
12 DISTRIBUCIONES BIDIMENSIONALES Distribuciones Marginales DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS Las variables unidimensionales X e Y se denominan marginales. X =Años de antigüedad en el trabajo. Y =Número de Accidentes Laborales en el último año. Sus frecuencias absolutas aparecen en los márgenes derecho e inferior de la tabla de doble entrada. Marginal X x i n i Marginal Y y i n i
13 DISTRIBUCIONES BIDIMENSIONALES DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS Ejercicio Calcular el número medio de años de antigüedad en el trabajo y su desviación típica. (Media y desviación típica de la marginal X) Marginal X x i n i x i n i xi 2n i X = = 3,5 S 137 X = 10 3,52 = 1,2042 SX 2 = 1,45
14 DISTRIBUCIONES BIDIMENSIONALES DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS Ejercicio Calcular el número medio de accidentes en el último año y su desviación típica. (Media y Desviación Típica de la marginal Y.) Marginal Y y i n i y i n i yi 2n i Y = = 1,8 S 38 Y = 10 1,82 = 0,7483 SY 2 = 0,56
15 Marginal X DISTRIBUCIONES BIDIMENSIONALES x i n i x 1 n 1 x 2 n 2. x k. n k n DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS Marginal Y y j n j y 1 n 1 y 2 n 2. y p. n p n X = k i=1 x in i n Y = p i=1 y jn j n S X = k i=1 x i 2n i X 2 n S Y = p j=1 y i 2n j Y 2 n
16 DISTRIBUCIONES BIDIMENSIONALES Distribuciones Condicionadas DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS Problema Obtener el número medio de accidentes de los empleados que tiene dos años de antigüedad en la empresa. Calcular también su desviación típica. Distribución y i n i y i n i yi 2n i
17 DISTRIBUCIONES BIDIMENSIONALES DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS Estas distribuciones se denominan Distribuciones Condicionadas, en este caso, distribución de Y condicionada a X=2 y se representa como: Y X=2 Media y D. Típica Condicionada Y X =2 = 8 3 = 2,6667 S Y X =2 = ,66672 = 0,4714 En este sentido tendremos las siguientes distribuciones condicionadas: Y X =2, Y X =3, Y X =4, Y X =5
18 DISTRIBUCIONES BIDIMENSIONALES DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS Problema Obtener la antigüedad media de los empleados que presentaron dos accidentes el último año. Calcule también la desviación típica. Distribución x i n i x i n i xi 2n i
19 DISTRIBUCIONES BIDIMENSIONALES DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS Esta distribución condicionada se denomina, X condicionada a Y=2 y se representa como: X Y=2 Media y D. Típica Condicionada X Y =2 = 12 4 = 3 38 S X Y =2 = 4 32 = 0,7071 En este sentido tendremos las siguientes distribuciones condicionadas: X Y =1, X Y =2, X Y =3
20 DISTRIBUCIONES BIDIMENSIONALES DIAGRAMA DE BARRAS DIAGRAMA DE DISPERSIÓN 1 DISTRIBUCIONES BIDIMENSIONALES DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS 2 GRÁFICAS DIAGRAMA DE BARRAS TRIDIMENSIONAL DIAGRAMA DE DISPERSIÓN o NUBE DE PUNTOS 3 DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA
21 DISTRIBUCIONES BIDIMENSIONALES DIAGRAMA DE BARRAS DIAGRAMA DE DISPERSIÓN Ejemplo Y X
22 DISTRIBUCIONES BIDIMENSIONALES DIAGRAMA DE BARRAS DIAGRAMA DE DISPERSIÓN Diagrama de barras tridimensional
23 DISTRIBUCIONES BIDIMENSIONALES DIAGRAMA DE BARRAS DIAGRAMA DE DISPERSIÓN Diagrama de barras tridimensional n ij X Y
24 DISTRIBUCIONES BIDIMENSIONALES DIAGRAMA DE BARRAS DIAGRAMA DE DISPERSIÓN Diagrama de barras tridimensional n ij X Y
25 DISTRIBUCIONES BIDIMENSIONALES DIAGRAMA DE BARRAS DIAGRAMA DE DISPERSIÓN Diagrama de barras tridimensional n ij X Y
26 DISTRIBUCIONES BIDIMENSIONALES DIAGRAMA DE BARRAS DIAGRAMA DE DISPERSIÓN Diagrama de barras tridimensional n ij X Y
27 DISTRIBUCIONES BIDIMENSIONALES DIAGRAMA DE BARRAS DIAGRAMA DE DISPERSIÓN Diagrama de barras tridimensional n ij X Y
28 DISTRIBUCIONES BIDIMENSIONALES DIAGRAMA DE BARRAS DIAGRAMA DE DISPERSIÓN Diagrama de barras tridimensional n ij X Y
29 DISTRIBUCIONES BIDIMENSIONALES DIAGRAMA DE BARRAS DIAGRAMA DE DISPERSIÓN Diagrama de barras tridimensional n ij X Y
30 DISTRIBUCIONES BIDIMENSIONALES DIAGRAMA DE BARRAS DIAGRAMA DE DISPERSIÓN Diagrama de barras tridimensional n ij X Y
31 DISTRIBUCIONES BIDIMENSIONALES DIAGRAMA DE BARRAS DIAGRAMA DE DISPERSIÓN Diagrama de Dispersión o Nube de Puntos El punto (X, Y ) se denomina centro de gravedad de la nube de puntos
32 DISTRIBUCIONES BIDIMENSIONALES DIAGRAMA DE BARRAS DIAGRAMA DE DISPERSIÓN Diagrama de Dispersión o Nube de Puntos El punto (X, Y ) se denomina centro de gravedad de la nube de puntos
33 DISTRIBUCIONES BIDIMENSIONALES DIAGRAMA DE BARRAS DIAGRAMA DE DISPERSIÓN Diagrama de Dispersión o Nube de Puntos El punto (X, Y ) se denomina centro de gravedad de la nube de puntos
34 DISTRIBUCIONES BIDIMENSIONALES DIAGRAMA DE BARRAS DIAGRAMA DE DISPERSIÓN Diagrama de Dispersión o Nube de Puntos El punto (X, Y ) se denomina centro de gravedad de la nube de puntos
35 DISTRIBUCIONES BIDIMENSIONALES Variables Continuas DIAGRAMA DE BARRAS DIAGRAMA DE DISPERSIÓN Y X
36 DISTRIBUCIONES BIDIMENSIONALES DIAGRAMA DE BARRAS DIAGRAMA DE DISPERSIÓN Estereograma
37 DISTRIBUCIONES BIDIMENSIONALES DIAGRAMA DE BARRAS DIAGRAMA DE DISPERSIÓN Diagrama de Dispersión
38 DISTRIBUCIONES BIDIMENSIONALES DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA S XY 1 DISTRIBUCIONES BIDIMENSIONALES DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS 2 GRÁFICAS DIAGRAMA DE BARRAS TRIDIMENSIONAL DIAGRAMA DE DISPERSIÓN o NUBE DE PUNTOS 3 DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA
39 Introducción DISTRIBUCIONES BIDIMENSIONALES DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA S XY Cuando hablamos del estudio conjunto de dos variables nos podemos preguntar: Existe algún tipo de relación entre las variables? Se puede explicar el comportamiento de una de ellas conociendo la otra. Los valores de una de las variables influyen en la distribución de la otra. La variación de una de ellas explica la variación de la otra. Analizando el problema nos encontramos la dependencia estadística y dos casos extremos: Dependencia funcional = Dependencia Estadística= Independencia
40 DISTRIBUCIONES BIDIMENSIONALES Dependencia Funcional DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA S XY Los valores de una variable van a determinar exactamente los valores de la otra. Se dice que Y depende funcionalmente de X si a cada valor de X le corresponde un único valor de Y Ejemplo Y X Cada fila tiene un único valor significativo.
41 DISTRIBUCIONES BIDIMENSIONALES DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA S XY Se dice que X depende funcionalmente de Y si a cada valor de Y le corresponde un único valor de X Ejemplo Y X Cada columna tiene un único valor significativo. La dependencia funcional no es recíproca, en este último caso Y no depende funcionalmente de X.
42 Independencia DISTRIBUCIONES BIDIMENSIONALES DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA S XY Supongamos que en una facultad hay dos tipos de apuntes de una misma asignatura: Alumnos Aprobados Suspensos Apuntes A Apuntes B 100 La independencia está asociada a mantener las relaciones.
43 Independencia DISTRIBUCIONES BIDIMENSIONALES DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA S XY Supongamos que en una facultad hay dos tipos de apuntes de una misma asignatura: Alumnos Aprobados Suspensos Apuntes A Apuntes B 100 La independencia está asociada a mantener las relaciones.
44 DISTRIBUCIONES BIDIMENSIONALES DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA S XY Independencia Se dice que X e Y son independientes si las distribuciones de frecuencias relativas de Y condicionada a los valores de X coinciden (o viceversa). Los valores de una de las variables no dan ninguna información sobre los posibles valores de la otra. No existe ninguna relación entre las variables. La independencia es recíproca. Son Independientes las variables? Y X
45 DISTRIBUCIONES BIDIMENSIONALES DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA S XY Comparemos las distribuciones de frecuencias relativas de las variables: Y X =5 y Y X =10 xi ni fi yi ni fi Las terceras columnas coinciden, son por lo tanto Independientes.
46 DISTRIBUCIONES BIDIMENSIONALES DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA S XY Otra caracterización es comprobar que las filas (columnas) de frecuencias en la tabla de doble entrada son proporcionales. Y X
47 DISTRIBUCIONES BIDIMENSIONALES Dependencia Estadística DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA S XY Una vez estudiado los casos extremos, lo que normalmente ocurre, es que los valores de una de las variables dan cierta información sobre la distribución o los valores de la otra. Este tipo de dependencia se denomina Dependencia Estadística Abordaremos el estudio de dicha dependencia desde diferentes puntos de vista. Empezaremos dando una medida para determinar si se trata de una dependencia positiva o directa, o por el contrario, se trata de una dependencia negativa o inversa.
48 DISTRIBUCIONES BIDIMENSIONALES Dependencia Directa e Inversa DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA S XY Directa Dos variables presentan una relación o dependencia positiva o directa si a valores crecientes de X le corresponden valores crecientes de Y. Ejemplos Se espera una dependencia positiva: Inversión de las empresas y ganancias Antigüedad y sueldo...
49 DISTRIBUCIONES BIDIMENSIONALES DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA S XY Inversa Dos variables presentan una relación o dependencia negativa o inversa si a valores crecientes de X le corresponden valores decrecientes de Y Ejemplos Se espera una dependencia negativa: Inversión en prevención de riesgos laborales y número de accidentes. Horas de trabajo y número de suspensos....
50 Covarianza DISTRIBUCIONES BIDIMENSIONALES DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA S XY 9 8 (x i x)(y i y) < (x i x)(y i y) > 0 (x, y) 4 3 (x i x)(y i y) > 0 2 (x i x)(y i y) <
51 DISTRIBUCIONES BIDIMENSIONALES DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA S XY Una medida de la dependencia directa e inversa será: n (x i x)(y i y) i=1 n Covarianza. S XY En la tabla de doble entrada se define: S XY = k p (x i x)(y i y)n ij i=1 j=1 n
52 DISTRIBUCIONES BIDIMENSIONALES Fórmula Práctica de la Covarianza DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA S XY Covarianza. S XY S XY = k p x i y j n ij i=1 j=1 n X Y Interpretación de S XY S XY > 0 = Dependencia Directa S XY = 0 = Incorrelación S XY < 0 = Dependencia Inversa
53 Ejemplos DISTRIBUCIONES BIDIMENSIONALES DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA S XY Dando los pares de datos (2,2),(2,3),(2,3),(3,2),(3,2),(4,1),(4,2),(5,1),(5,1),(5,1) S XY = ,5 1,8 = 0,8
54 DISTRIBUCIONES BIDIMENSIONALES DEPENDENCIA FUNCIONAL INDEPENDENCIA DEPENDENCIA ESTADÍSTICA COVARIANZA S XY Dando la tabla de doble entrada Y X S XY = ,5 1,8 = 0,8
55 REGRESIÓN CORRELACIÓN REGRESIÓN LINEAL 4 REGRESIÓN REGRESIÓN LINEAL 5 CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL. r
56 REGRESIÓN CORRELACIÓN REGRESIÓN LINEAL Concepto de Regresión Objetivo Buscar la función que exprese lo mejor posible la relación existente entre las variables, con vistas a poder predecir los valores de una de ellas a partir de los valores de la otra. Ver Ejemplos Excel
57 REGRESIÓN CORRELACIÓN REGRESIÓN LINEAL Regresión Lineal
58 REGRESIÓN CORRELACIÓN REGRESIÓN LINEAL Regresión Parabólica
59 REGRESIÓN CORRELACIÓN REGRESIÓN LINEAL Regresión Exponencial
60 REGRESIÓN CORRELACIÓN REGRESIÓN LINEAL Regresión Lineal Objetivo Buscar la recta que mejor de adapte a la nube de puntos. Criterio El criterio que se utilizará para cuantificar el grado de ajuste es el de mínimos cuadrados.
61 REGRESIÓN CORRELACIÓN REGRESIÓN LINEAL Regresión Lineal Objetivo Buscar la recta que mejor de adapte a la nube de puntos. Criterio El criterio que se utilizará para cuantificar el grado de ajuste es el de mínimos cuadrados.
62 REGRESIÓN CORRELACIÓN REGRESIÓN LINEAL Recta de Regresión. Criterio de Mínimos Cuadrados 9 8 y = a + bx 7 6 (x 3, y 3 ) d 3 d 4 (x 4, y 4 ) 5 4 (x 1, y 1 ) d 1 d 2 (x 2, y 2 )
63 REGRESIÓN CORRELACIÓN REGRESIÓN LINEAL Objetivo Encontrar la recta y = a + bx que resuelva el problema: mín a,b d d d 2 n = Solución Existen dos rectas de regresión: n i=1 d 2 i = n (y i (a + bx i )) 2 i=1
64 REGRESIÓN CORRELACIÓN REGRESIÓN LINEAL Recta de Regresión de Y X Recta que predice el valor de Y conocido el valor de X. b = S XY S y = a + bx X 2 a = Y bx Alternativa y Y = S XY S 2 X (x X )
65 REGRESIÓN CORRELACIÓN REGRESIÓN LINEAL Recta de Regresión de X Y Recta que predice el valor de X conocido el valor de Y. b = S XY x = a + b S y Y 2 a = X b Y Alternativa x X = S XY S 2 Y (y Y ) Ambas rectas pasan por el centro de gravedad: (X, Y )
66 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL 4 REGRESIÓN REGRESIÓN LINEAL 5 CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL. r
67 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL Objetivo Medir el grado de ajuste existente entre la nube de puntos y la función ajustada. Es una medida de asociación entre las variables.
68 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL Coeficiente de Correlación Lineal Medir el grado de ajuste existente entre la nube de puntos y la recta ajustada. Se representa con la letra r y su valor es: r = S XY S X S Y
69 Coeficiente de correlación Lineal. r 1 r 1 r = 1 r 1 r = 0 r 1 r = 1 (x, y) CLPI FCLI DCLI INCORRE. DCLD FCLD CLPD CLPI. Correlación Lineal Perfecta e Inversa. El Modelo Lineal es exacto. FCLI. Fuerte Correlación Lineal Inversa. Modelo Lineal adecuado. Predicciones Fiables DCLI. Débil Correlación Lineal Inversa. Modelo Lineal Inadecuado. Incorrelación. Ausencia Total de Correlación Lineal. DCLD. Débil Correlación Lineal Directa. Modelo Lineal Inadecuado. FCLD. Fuerte correlación Lineal Directa. Modelo Lineal adecuado. Predicciones Fiables CLPD. Correlación Lineal Perfecta y Directa. El Modelo Lineal es exacto. Ver Interpr. Excel
70 Coeficiente de correlación Lineal. r 1 r 1 r = 1 r 1 r = 0 r 1 r = 1 (x, y) CLPI FCLI DCLI INCORRE. DCLD FCLD CLPD CLPI. Correlación Lineal Perfecta e Inversa. El Modelo Lineal es exacto. FCLI. Fuerte Correlación Lineal Inversa. Modelo Lineal adecuado. Predicciones Fiables DCLI. Débil Correlación Lineal Inversa. Modelo Lineal Inadecuado. Incorrelación. Ausencia Total de Correlación Lineal. DCLD. Débil Correlación Lineal Directa. Modelo Lineal Inadecuado. FCLD. Fuerte correlación Lineal Directa. Modelo Lineal adecuado. Predicciones Fiables CLPD. Correlación Lineal Perfecta y Directa. El Modelo Lineal es exacto. Ver Interpr. Excel
71 Coeficiente de correlación Lineal. r 1 r 1 r = 1 r 1 r = 0 r 1 r = 1 (x, y) CLPI FCLI DCLI INCORRE. DCLD FCLD CLPD CLPI. Correlación Lineal Perfecta e Inversa. El Modelo Lineal es exacto. FCLI. Fuerte Correlación Lineal Inversa. Modelo Lineal adecuado. Predicciones Fiables DCLI. Débil Correlación Lineal Inversa. Modelo Lineal Inadecuado. Incorrelación. Ausencia Total de Correlación Lineal. DCLD. Débil Correlación Lineal Directa. Modelo Lineal Inadecuado. FCLD. Fuerte correlación Lineal Directa. Modelo Lineal adecuado. Predicciones Fiables CLPD. Correlación Lineal Perfecta y Directa. El Modelo Lineal es exacto. Ver Interpr. Excel
72 Coeficiente de correlación Lineal. r 1 r 1 r = 1 r 1 r = 0 r 1 r = 1 (x, y) CLPI FCLI DCLI INCORRE. DCLD FCLD CLPD CLPI. Correlación Lineal Perfecta e Inversa. El Modelo Lineal es exacto. FCLI. Fuerte Correlación Lineal Inversa. Modelo Lineal adecuado. Predicciones Fiables DCLI. Débil Correlación Lineal Inversa. Modelo Lineal Inadecuado. Incorrelación. Ausencia Total de Correlación Lineal. DCLD. Débil Correlación Lineal Directa. Modelo Lineal Inadecuado. FCLD. Fuerte correlación Lineal Directa. Modelo Lineal adecuado. Predicciones Fiables CLPD. Correlación Lineal Perfecta y Directa. El Modelo Lineal es exacto. Ver Interpr. Excel
73 Coeficiente de correlación Lineal. r 1 r 1 r = 1 r 1 r = 0 r 1 r = 1 (x, y) CLPI FCLI DCLI INCORRE. DCLD FCLD CLPD CLPI. Correlación Lineal Perfecta e Inversa. El Modelo Lineal es exacto. FCLI. Fuerte Correlación Lineal Inversa. Modelo Lineal adecuado. Predicciones Fiables DCLI. Débil Correlación Lineal Inversa. Modelo Lineal Inadecuado. Incorrelación. Ausencia Total de Correlación Lineal. DCLD. Débil Correlación Lineal Directa. Modelo Lineal Inadecuado. FCLD. Fuerte correlación Lineal Directa. Modelo Lineal adecuado. Predicciones Fiables CLPD. Correlación Lineal Perfecta y Directa. El Modelo Lineal es exacto. Ver Interpr. Excel
74 Coeficiente de correlación Lineal. r 1 r 1 r = 1 r 1 r = 0 r 1 r = 1 (x, y) CLPI FCLI DCLI INCORRE. DCLD FCLD CLPD CLPI. Correlación Lineal Perfecta e Inversa. El Modelo Lineal es exacto. FCLI. Fuerte Correlación Lineal Inversa. Modelo Lineal adecuado. Predicciones Fiables DCLI. Débil Correlación Lineal Inversa. Modelo Lineal Inadecuado. Incorrelación. Ausencia Total de Correlación Lineal. DCLD. Débil Correlación Lineal Directa. Modelo Lineal Inadecuado. FCLD. Fuerte correlación Lineal Directa. Modelo Lineal adecuado. Predicciones Fiables CLPD. Correlación Lineal Perfecta y Directa. El Modelo Lineal es exacto. Ver Interpr. Excel
75 Coeficiente de correlación Lineal. r 1 r 1 r = 1 r 1 r = 0 r 1 r = 1 (x, y) CLPI FCLI DCLI INCORRE. DCLD FCLD CLPD CLPI. Correlación Lineal Perfecta e Inversa. El Modelo Lineal es exacto. FCLI. Fuerte Correlación Lineal Inversa. Modelo Lineal adecuado. Predicciones Fiables DCLI. Débil Correlación Lineal Inversa. Modelo Lineal Inadecuado. Incorrelación. Ausencia Total de Correlación Lineal. DCLD. Débil Correlación Lineal Directa. Modelo Lineal Inadecuado. FCLD. Fuerte correlación Lineal Directa. Modelo Lineal adecuado. Predicciones Fiables CLPD. Correlación Lineal Perfecta y Directa. El Modelo Lineal es exacto. Ver Interpr. Excel
76 Coeficiente de correlación Lineal. r 1 r 1 r = 1 r 1 r = 0 r 1 r = 1 (x, y) CLPI FCLI DCLI INCORRE. DCLD FCLD CLPD CLPI. Correlación Lineal Perfecta e Inversa. El Modelo Lineal es exacto. FCLI. Fuerte Correlación Lineal Inversa. Modelo Lineal adecuado. Predicciones Fiables DCLI. Débil Correlación Lineal Inversa. Modelo Lineal Inadecuado. Incorrelación. Ausencia Total de Correlación Lineal. DCLD. Débil Correlación Lineal Directa. Modelo Lineal Inadecuado. FCLD. Fuerte correlación Lineal Directa. Modelo Lineal adecuado. Predicciones Fiables CLPD. Correlación Lineal Perfecta y Directa. El Modelo Lineal es exacto. Ver Interpr. Excel
77 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL Propiedades Sig(b) = sig(b ) = sig(r) = sig(s XY ) Las dos rectas de regresión son; o las dos crecientes o las dos decrecientes, salvo en el caso de incorrelación, que son perpendiculares y paralelas a los ejes. Las dos rectas de regresión se cortan en el centro de gravedad de la nube de puntos (X, Y ), por lo tanto son la solución del sistema: { y = a + bx x = a + b y r = ± b b Será el valor positivo si b y b son positivos y será negativo si b y b son negativos.
78 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL Propiedades Sig(b) = sig(b ) = sig(r) = sig(s XY ) Las dos rectas de regresión son; o las dos crecientes o las dos decrecientes, salvo en el caso de incorrelación, que son perpendiculares y paralelas a los ejes. Las dos rectas de regresión se cortan en el centro de gravedad de la nube de puntos (X, Y ), por lo tanto son la solución del sistema: { y = a + bx x = a + b y r = ± b b Será el valor positivo si b y b son positivos y será negativo si b y b son negativos.
79 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL Propiedades Sig(b) = sig(b ) = sig(r) = sig(s XY ) Las dos rectas de regresión son; o las dos crecientes o las dos decrecientes, salvo en el caso de incorrelación, que son perpendiculares y paralelas a los ejes. Las dos rectas de regresión se cortan en el centro de gravedad de la nube de puntos (X, Y ), por lo tanto son la solución del sistema: { y = a + bx x = a + b y r = ± b b Será el valor positivo si b y b son positivos y será negativo si b y b son negativos.
80 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL Propiedades Sig(b) = sig(b ) = sig(r) = sig(s XY ) Las dos rectas de regresión son; o las dos crecientes o las dos decrecientes, salvo en el caso de incorrelación, que son perpendiculares y paralelas a los ejes. Las dos rectas de regresión se cortan en el centro de gravedad de la nube de puntos (X, Y ), por lo tanto son la solución del sistema: { y = a + bx x = a + b y r = ± b b Será el valor positivo si b y b son positivos y será negativo si b y b son negativos.
81 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL Datos (2,2),(2,3),(2,3),(3,2),(3,2),(4,1),(4,2),(5,1),(5,1),(5,1) Tabla de doble entrada Y X
82 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL Datos (2,2),(2,3),(2,3),(3,2),(3,2),(4,1),(4,2),(5,1),(5,1),(5,1) Tabla de doble entrada Y X
83 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL X = = 3,5 Sx = ,52 = 1,2042 Sx 2 = 1,45 Sxy = 55 Y = = 1,8 Sy = ,82 = 0,7483 Sy 2 = 0,56 3,5 1,8 = 0,8 10 Recta de regresión de Y X y = a + bx b = S xy S 2 x = 0,5517 a = Y ( 0,5517)X = 3,73 y = 3,73 0,5517x
84 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL X = = 3,5 Sx = ,52 = 1,2042 Sx 2 = 1,45 Sxy = 55 Y = = 1,8 Sy = ,82 = 0,7483 Sy 2 = 0,56 3,5 1,8 = 0,8 10 Recta de regresión de X Y x = a + b y b = S xy S 2 y = 1,4286 a = X ( 1,4286)Y = 6,07 x = 6,07 1,4286y
85 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL Recta de regresión de Y X y = 3,73 0,5517x Recta de regresión de X Y x = 6,07 1,4286y Predicciones x = 6 y = 4
86 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL Recta de regresión de Y X y = 3,73 0,5517x Recta de regresión de X Y x = 6,07 1,4286y Predicciones x = 6 ŷ = 3,73 0, = 0,42 y = 4
87 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL Recta de regresión de Y X y = 3,73 0,5517x Recta de regresión de X Y x = 6,07 1,4286y Predicciones x = 6 ŷ = 3,73 0, = 0,42 y = 4 x = 6,07 1, = 0,36
88 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL Coeficiente de Correlación Lineal r r = S xy S x S y = 0,8878 FCLI
89 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL Representar las rectas sobre la nube de puntos x y y = 3,73 0,5517x x y x = 6,07 1,4286y
90 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL
91 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL y = 0,5517x + 3,
92 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL x = 6,07 1,4286y y = 0,5517x + 3,
93 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL x = 6,07 1,4286y y = 0,5517x + 3,
94 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL Tabla de doble entrada Y X
95 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL Tabla de doble entrada (Marcas de clase) Y X / / /
96 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL X = Y = = 15 Sx = = 7,7460 Sx 2 = ,5 = 7,5 Sy = 50 7,5 2 = 2,2361 Sy 2 = 5 S xy = ,5 = 10 Recta de regresión de Y X y = a + bx b = S xy S 2 x = 0,1667 a = Y (0,1667)X = 5 y = 5 + 0,1667x
97 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL X = Y = = 15 Sx = = 7,7460 Sx 2 = ,5 = 7,5 Sy = 50 7,5 2 = 2,2361 Sy 2 = 5 S xy = ,5 = 10 Recta de regresión de X Y x = a + b y b = S xy S 2 y = 2 a = X 2Y = 0 x = 2y
98 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL x = 2y y = 0,1667x
99 REGRESIÓN CORRELACIÓN COEFICIENTE DE CORRELACIÓN LINEAL Coeficiente de Correlación Lineal r r = S xy S x S y = 0,5774 DCLD
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
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
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
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)
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
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
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
ESTADÍSTICA. DISTRIBUCIÓN BIDIMENSIONAL
ESTADÍSTICA. DISTRIBUCIÓN BIDIMENSIONAL CONCEPTOS PREVIOS RELACIÓN ESTADÍSTICA Dos variables x e y están relacionadas estadísticamente cuando conocida la primera se puede estimar aproximadamente el valor
Estadística 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
Tema 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.
Tema 2: Estadística Descriptiva Bivariante.
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
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
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
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
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
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
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
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
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
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
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
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
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
PROBABILIDAD Y ESTADÍSTICA. Sesión 4 4. REGRESIÓN Y CORRELACIÓN SIMPLE
PROBABILIDAD Y ESTADÍSTICA Sesión 4 4. REGRESIÓN Y CORRELACIÓN SIMPLE 4.1 Regresión lineal simple y curvilínea 4.1.1 Variable dependiente e independiente 4.1.2 Ecuación de regresión 4.1.2.1 Aplicación
Profesor: 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
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
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
Universidad de Salamanca - Escuela de Educación y Turismo
Universidad de Salamanca - Escuela de Educación y Turismo ! " # $ % $ & ' ( ) * ( +(, + ' -. '. ' - % $ / %.! '. " # $ % & & $ % # # $( #. 0 # (/ $. # % 0 1 # % ( # 0 # 0 1 # 0. (, (! " # # #. $ ($ ' 0
Relación entre la altura y la distancia del suelo al ombligo
Relación entre la altura y la distancia del suelo al ombligo JULIA VIDAL PIÑEIRO Los 79 datos usados para realizar el estudio estadístico de la relación altura- distancia al ombligo, se tomaron a personas
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
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
TEMA 1: ESTADISTICA DESCRIPTIVA
ESTADÍSTICA, CURSO 008 009 1 TEMA 1: ESTADISTICA DESCRIPTIVA 1 FUDAMETOS 11 VARIABLES ESTADISTICAS Población: conjunto completo de elementos, con alguna característica común, objeto del estudio estadístico
2 Resolución de algunos ejemplos y ejercicios del tema 2.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 8 2 Resolución de algunos ejemplos y ejercicios del tema 2. 2.1 Ejemplos. Ejemplo 13 La siguiente tabla de frecuencias absolutas corresponde a 200 observaciones
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
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
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
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
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
Calculamos la covarianza. (La covarianza indica el sentido de la correlación entre las variables):
0 81 098 www.ceformativos.com EJERCICIOS RESUELTOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Cinco niñas de 2,3,,7 y 8 años de edad pesan respectivamente 14, 20, 30, 42 y 44 kilos. a) Hallar la ecuación de la recta
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
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
4,2 + 0,67 Y c) R 2 = 0,49. 3.- En la estimación de un modelo de regresión lineal se ha obtenido:
INTRODUCCIÓN A LA ESTADÍSTICA. Relación 4: REGRESIÓN Y CORRELACIÓN 1.- En una población se ha procedido a realizar observaciones sobre un par de variables X e Y. Xi 4 5 4 5 6 5 6 6 Yi 1 1 3 3 3 4 4 ni
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
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
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
Unidad IV Introducción a la Regresión y Correlación
Unidad IV Introducción a la Regresión y Correlación Última revisión: 25-0ctubre-2009 Elaboró: Ing. Víctor H. Alcalá-Octaviano Página 48 IV.1 Conceptos fundamentales Antología de Probabilidad y Estadística
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
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.
Doc. Juan Morales Romero
Análisis de Correlación y Regresión Lineal ANALISIS DE CORRELACION Conjunto de técnicas estadísticas empleadas para medir la intensidad de la asociación entre dos variables DIAGRAMA DE DISPERSION Gráfica
ESTADÍSTICA DESCRIPTIVA UNIDIMENSIONAL. 30/09/2004 Proyecto MaMaEuSch 1
ESTADÍSTICA DESCRIPTIVA UNIDIMENSIONAL 0/09/2004 Proyecto MaMaEuSch Estadística Ciencia que trata sobre los métodos científicos para: Recoger, organizar, resumir y analizar datos Sacar conclusiones relevantes
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
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
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
CORRELACION Y REGRESIÓN LINEAL
LECCION Nº 5 CORRELACION Y REGRESIÓN LINEAL OBJETIVOS ESPECIFICOS Diferenciar los conceptos de correlación lineal, y regresión lineal. Determinar el índice o coeficiente de correlación en una distribución
El 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
4 Descripción conjunta de varias variables. Ejemplos y ejercicios.
ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS 7 4 Descripción conjunta de varias variables. Ejemplos y ejercicios. 4.1 Ejemplos. Ejemplo 4.1 La siguiente tabla de frecuencias absolutas corresponde a 200
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
Elaboró: Luis Casas Vilchis
Correlación de Pearson (r P, r) Una correlación se define como la coincidencia en el patrón de valores altos de una variable con los valores altos en la otra variable, y bajos con bajos y moderados con
Libro de ejercicios de refuerzo de matemáticas. María de la Rosa Sánchez
Libro de ejercicios de refuerzo de matemáticas María de la Rosa Sánchez Estadística bidimensional Tema 0 2 Índice general 1. Estadística unidimensional 5 2. Estadística bidimensional 11 3 Tema 1 Estadística
Hoja de Cálculo. Práctica Coeficiente de correlación y recta de
Hoja de Cálculo. Práctica Coeficiente de correlación y recta de regresión Introducción. En este caso se va a crear un libro, para realizar el estudio de una distribución bidimensional; además de calcular
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
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
Correlación entre variables
Correlación entre variables Apuntes de clase del curso Seminario Investigativo VI Por: Gustavo Ramón S.* * Doctor en Nuevas Perspectivas en la Investigación en Ciencias de la Actividad Física y el Deporte
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
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
TEMA 3: DISTRIBUCIONES BIDIMENSIONALES. CORRELACIÓN Y REGRESIÓN.
TEMA 3: DISTRIBUCIONES BIDIMENSIONALES. CORRELACIÓN Y REGRESIÓN.. VARIABLES ESTADÍSTICAS BIDIMENSIONALES. DISTRIBUCIONES BIDIMENSIONALES. En esta unidad estudiaremos el comportamiento estadístico conjunto
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
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES 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
CONTENIDOS MÍNIMOS PARA LA PRUEBA EXTRAORDINARIA DE SEPTIEMBRE DE 2016 MATEMÁTICAS 1º BACHILLERATO HHCCSS IES DOMINGO PÉREZ MINIK
CONTENIDOS MÍNIMOS PARA LA PRUEBA EXTRAORDINARIA DE SEPTIEMBRE DE 2016 MATEMÁTICAS 1º BACHILLERATO HHCCSS IES DOMINGO PÉREZ MINIK BLOQUE 1. ESTADÍSTICA 1. ESTADÍSTICA UNIDIMENSIONAL Variable estadística
ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL
ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL Organiza: INSTITUTO CÁNTABRO DE ESTADÍSTICA http://www.icane.es Responsable: Francisco Parra Rodríguez Jefe de Servicio de Estadísticas
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
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
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,
TEMA 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
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
7. 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
EJEMPLOS DE PRONÓSTICOS
2 PRONÓSTICO > ES UNA TÉCNICA QUE PERMITE PREDECIR EL FUTURO, BASÁNDOSE EN: > ACONTECIMIENTOS PASADOS. > INFORMACIÓN ESTADÍSTICA RECABADA SOBRE EXPERIENCIAS SIMILARES. > ESTIMACIONES BASADAS EN ESTUDIOS
5 Relaciones entre variables.
ANÁLISIS EPLORATORIO DE DATOS 39 ANÁLISIS EPLORATORIO DE DATOS 40 Relaciones entre variables..1 Ejercicios. Ejercicio.1 En una muestra de 0 individuos se recogen datos sobre dos medidas antropométricas
ESTADÍSTICA. 1.- En una población de 25 familias se ha observado el número de vehículos que tienen obteniéndose los siguientes datos:
ESTADÍSTICA 1.- En una población de 25 familias se ha observado el número de vehículos que tienen obteniéndose los siguientes datos: 0, 1, 2, 3, 1, 0, 1, 1, 1, 4, 3, 2, 2, 1, 1, 2, 2, 1, 1, 1, 2, 1, 3,
MÉTODOS DE INVESTIGACIÓN EN EDUCACIÓN. Tema 9
Métodos de Investigación en Educación 1º Psicopedagogía Grupo Mañana Curso 2009-2010 2010 MÉTODOS DE INVESTIGACIÓN EN EDUCACIÓN Tema 9 La regresión lineal Tema 9: La regresión lineal Objetivos Conocer
Tema 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:
Un modelo para representar una relación aproximadamente
Regresión Se han visto algunos ejemplos donde parece que haya una relación aproximadamente lineal entre dos variables. Supongamos que queremos estimar la relación entre las dos variables. Cómo ajustamos
MATEMÁTICAS 1º BI-NM Serie Estadística Unidimensional y Bidimensional
MATEMÁTICAS 1º BI-NM Serie Estadística Unidimensional y Bidimensional 1 Entra en la página web del Instituto Nacional de Estadística y elige una variable numérica de tu interés que disponga de frecuencias
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I.
EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO 2013-2014. Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I. UNIDAD 3: POLINOMIOS Y FRACCIONES ALGEBRAICAS Operaciones
Estadística Descriptiva Bidimensional
Capítulo 2 Estadística Descriptiva Bidimensional Hasta ahora hemos estudiado sobre cada individuo de una población el comportamiento de una variable X. En ocasiones se está interesado en el estudio simultáneo
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
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
CORRELACIÓN Y REGRESIÓN. Juan José Hernández Ocaña
CORRELACIÓN Y REGRESIÓN Juan José Hernández Ocaña CORRELACIÓN Muchas veces en Estadística necesitamos saber si existe una relación entre datos apareados y tratamos de buscar una posible relación entre
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
1. Algunos comandos de Estadística
Departamento de Matemática Aplicada MÉTODOS ESTADÍSTICOS. Ingeniería Química (Curso 2008-09) Estadística Descriptiva. Práctica. Algunos comandos de Estadística Describimos a continuacion algunos de los
Distribuciones bidimensionales. Regresión.
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 5: Distribuciones bidimensionales. Regresión. Resumen teórico Resumen teórico de los principales conceptos estadísticos
Estadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Tema Contenido Contenidos Mínimos
1 Estadística unidimensional - Variable estadística. - Tipos de variables estadísticas: cualitativas, cuantitativas discretas y cuantitativas continuas. - Variable cualitativa. Distribución de frecuencias.
Curso de nivelación Estadística y Matemática
Curso de nivelación Estadística y Matemática Sexta clase: Programa Técnico en Riesgo, 2016 Agenda 1 2 de una vía 3 Pasos para realizar una prueba de hipótesis Prueba de hipotesis Enuncia la H 0 ylah 1,ademásdelniveldesignificancia(a).
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
15 ESTADÍSTICA BIDIMENSIONAL
ESTADÍSTICA BIDIMENSINAL EJERCICIS PRPUESTS. Copia y completa la siguiente tabla. A B C Total A B C Total a 4 b c 0 7 Total 7 6 a 4 b c 4 3 0 7 Total 7 6 3 6 a) Qué porcentaje de datos presentan la característica
El Análisis de Correspondencias tiene dos objetivos básicos:
Tema 8 Análisis de correspondencias El Análisis de Correspondencias es una técnica de reducción de dimensión y elaboración de mapas percentuales. Los mapas percentuales se basan en la asociación entre
4.1 Análisis bivariado de asociaciones
4.1 Análisis bivariado de asociaciones Los gerentes posiblemente estén interesados en el grado de asociación entre dos variables Las técnicas estadísticas adecuadas para realizar este tipo de análisis