Beruflich Dokumente
Kultur Dokumente
Tema 2
Descripcin estadstica
de variables bidimensionales
1.
2.
3.
4.
Introduccin
Definiciones
Representacin grfica
Covariacin
4.1. Tipos
4.2. Covarianza
4.3. Coeficiente de correlacin
4.4. Matriz de covarianzas
5. Regresin simple
5.1. Recta de regresin
5.2. Interpretacin de los coeficientes
5.3. Evaluacin del modelo
5.4. Bondad del ajuste
6. Transformaciones
1. Introduccin
1. Introduccin
2. Definiciones
3. Representacin grfica
4. Covariacin
4.1. Tipos
4.2. Covarianza
4.3. Coeficiente de correlacin
4.4. Matriz de covarianzas
5. Regresin simple
5.1. Recta de regresin
5.2. Interpretacin de los coeficientes
5.3. Evaluacin del modelo
5.4. Bondad del ajuste
6. Transformaciones
19/09/2016
2. Definiciones
1. Introduccin
2. Definiciones
3. Representacin grfica
4. Covariacin
4.1. Tipos
4.2. Covarianza
4.3. Coeficiente de correlacin
4.4. Matriz de covarianzas
5. Regresin simple
5.1. Recta de regresin
5.2. Interpretacin de los coeficientes
5.3. Evaluacin del modelo
5.4. Bondad del ajuste
6. Transformaciones
2. Definiciones
xi
1
1
2
2
2
3
fr( x , y ) 1
i
2. Definiciones
yj
2
3
1
2
4
5
f (xi, yj)
2
1
1
2
1
3
10
fr (xi, yj)
0,2
0,1
0,1
0,2
0,1
0,3
1
2
0,1
0,2
0,2
0,1
4
5
xi
yj
f (xi, yj)
fr (xi, yj)
0,2
0,1
0,1
0,2
0,1
0,3
10
0,1
0,3
19/09/2016
2. Definiciones
2. Definiciones
Distribucin marginal
Distribucin de cada una de las variables,
consideradas por separado
(distribucin de los valores de una
sin tener en cuenta los de la otra).
fr( xi ) fr( xi , x j )
0,2
0,1
fr( y j ) fr( xi , x j )
0,1
0,1
0,2
0,4
0,1
0,1
5
0,3
0,4
0,1
0,3
0,3
0,3
2. Definiciones
2. Definiciones
Distribucin condicionada de y para x=xi
es la distribucin que se obtiene imponiendo la
condicin x = xi
fr ( y j / xi 2)
Y
Hijos nicos:
Chicas:
Chicos:
9
3
6
1
2
3
4
5
2
0,1
0,1 0,2
0,2
0,1
fr ( y j / xi )
fr ( xi , y j )
fr ( xi )
0,3
1 0,1/0,4 = 0,25
2 0,2/0,4 = 0,5
3
4 0,1/0,4 = 0,25
5
19/09/2016
3. Representacin grfica
1. Introduccin
2. Definiciones
3. Representacin grfica
4. Covariacin
4.1. Tipos
4.2. Covarianza
4.3. Coeficiente de correlacin
4.4. Matriz de covarianzas
5. Regresin simple
5.1. Recta de regresin
5.2. Interpretacin de los coeficientes
5.3. Evaluacin del modelo
5.4. Bondad del ajuste
6. Transformaciones
115
95
Peso
1. Introduccin
2. Definiciones
3. Representacin grfica
4. Covariacin
4.1. Tipos
4.2. Covarianza
4.3. Coeficiente de correlacin
4.4. Matriz de covarianzas
5. Regresin simple
5.1. Recta de regresin
5.2. Interpretacin de los coeficientes
5.3. Evaluacin del modelo
5.4. Bondad del ajuste
6. Transformaciones
75
55
35
1,4
1,6
1,8
2,2
Altura
Interdependencia:
X influye en Y, y viceversa.
Dependencia indirecta:
Concordancia.
Covariacin casual.
19/09/2016
+ naufragios
+ viudas
+ gatos
- ratones
Casual?
+ abejorros
+ polinizacin
+ trbol
4.2. Covarianza
1.
2.
3.
4.
Introduccin
Definiciones
Representacin grfica
Covariacin
4.1. Tipos
4.2. Covarianza
4.3. Coeficiente de correlacin
4.4. Matriz de covarianzas
5. Regresin simple
5.1. Recta de regresin
5.2. Interpretacin de los coeficientes
5.3. Evaluacin del modelo
5.4. Bondad del ajuste
6. Transformaciones
4.2. Covarianza
cov( x, y ) s xy
( x x)( y
i 1
y)
y
Covarianza +
Covarianza 0
Covarianza -
19/09/2016
1.
2.
3.
4.
Introduccin
Definiciones
Representacin grfica
Covariacin
4.1. Tipos
4.2. Covarianza
4.3. Coeficiente de correlacin
4.4. Matriz de covarianzas
5. Regresin simple
5.1. Recta de regresin
5.2. Interpretacin de los coeficientes
5.3. Evaluacin del modelo
5.4. Bondad del ajuste
6. Transformaciones
correlacin lineal:
rxy
cov( x, y)
sx s y
r= -1
r= 1
Matriz de
covarianzas muestrales
r= 0
No existe correlacin.
O bien existe una relacin no lineal
entre las variables.
sx 2
cov( x, y )
M
2
cov( y, x)
sy
1
corr ( x, y )
Matriz de
R
1
corr ( y, x)
correlaciones muestrales
corr(x,x)=corr(y,y)
19/09/2016
Introduccin
Definiciones
Representacin grfica
Covariacin
4.1. Tipos
4.2. Covarianza
4.3. Coeficiente de correlacin
4.4. Matriz de covarianzas
5. Regresin simple
5.1. Recta de regresin
5.2. Interpretacin de los coeficientes
5.3. Evaluacin del modelo
5.4. Bondad del ajuste
6. Transformaciones
Variable
respuesta
Variable
explicativa
ei
y i
yi y i ei
ei yi y i
xi
residuo
19/09/2016
ei
y i
ei yi y i
n
yi yi
ei min
min
xi
i 1
y i a bxi
Llamamos funcin de prdida S(a,b) a:
n
yi a bxi
i 1
min
i 1
y i
e
i 1
i 1
y y
s xy
sx
x x
o bien:
xx
s xy
sy
y y
1.
2.
3.
4.
Introduccin
Definiciones
Representacin grfica
Covariacin
4.1. Tipos
4.2. Covarianza
4.3. Coeficiente de correlacin
4.4. Matriz de covarianzas
5. Regresin simple
5.1. Recta de regresin
5.2. Interpretacin de los coeficientes
5.3. Evaluacin del modelo
5.4. Bondad del ajuste
6. Transformaciones
19/09/2016
y a bx
dy
b
dx
y y ( xi 1) y ( xi )
a bxi 1 a bxi b
1.
2.
3.
4.
Introduccin
Definiciones
Representacin grfica
Covariacin
4.1. Tipos
4.2. Covarianza
4.3. Coeficiente de correlacin
4.4. Matriz de covarianzas
5. Regresin simple
5.1. Recta de regresin
5.2. Interpretacin de los coeficientes
5.3. Evaluacin del modelo
5.4. Bondad del ajuste
6. Transformaciones
r= 0,96
19/09/2016
Introduccin
Definiciones
Representacin grfica
Covariacin
4.1. Tipos
4.2. Covarianza
4.3. Coeficiente de correlacin
4.4. Matriz de covarianzas
5. Regresin simple
5.1. Recta de regresin
5.2. Interpretacin de los coeficientes
5.3. Evaluacin del modelo
5.4. Bondad del ajuste
6. Transformaciones
R 1
e
i 1
Variabilidad
de los residuos
2
yi y
i 1
10
19/09/2016
1.
2.
3.
4.
Introduccin
Definiciones
Representacin grfica
Covariacin
4.1. Tipos
4.2. Covarianza
4.3. Coeficiente de correlacin
4.4. Matriz de covarianzas
5. Regresin simple
5.1. Recta de regresin
5.2. Interpretacin de los coeficientes
5.3. Evaluacin del modelo
5.4. Bondad del ajuste
6. Transformaciones
6. Transformaciones
6. Transformaciones
x x
11
19/09/2016
1.
2.
3.
4.
Introduccin
Definiciones
Representacin grfica
Covariacin
4.1. Tipos
4.2. Covarianza
4.3. Coeficiente de correlacin
4.4. Matriz de covarianzas
5. Regresin simple
5.1. Recta de regresin
5.2. Interpretacin de los coeficientes
5.3. Evaluacin del modelo
5.4. Bondad del ajuste
6. Transformaciones
12