DISTRIBUCIONES

BIDIMENSIONALES
MODULO III
CONCEPTO

Hasta el modulo anterior nos hemos limitado a estudiar datos

unidimensionales, o nos hemos concretado a estudiar una sola
caracterstica asociada a cada observacin.

En este caso una muestra de tamao n se representa como un

conjunto de pares ordenados de la forma :

{ (X1, Y1), ( X2, Y2), .. (Xn, Yn)}

 DISTRIBUCIONES
BIDIMENSIONALES DE DATOS NO
CLASIFICADOS
Dados un conjunto de pares (Xi, Yi), podemos calcular
separadamente para el conjunto de valores X todas las
medidas descriptivas (media, moda, mediana, varianza,
etc.) analizadas en el modulo II; igual para los valores de
Yi

Al analizar las observaciones bivariadas conjuntamente surgen

otras Medidas Descriptivas nuevas y que relacin X e Y, ellas
son : La Covarianza, Correlacin y tambin surgen problemas
de REGRESION. Si solo nos interesa el grado de relacion entre
las variables estamos ante un problema de CORRELACION. Si
nos interesa el grado y tambien el tipo de relacion funcional
(ecuacion) entre las variables estamos ante un problema de
REGRESION
COVARIANZA Y
CORRELACION LINEAL
COEFICIENTE DE CORRELACION LINEAL DE PEARSON

r = n xi yi - xi yi

[n xi2 - (xi )2] [n yi2 - (yi )2]

dividiendo ambos terminos entre n2

r = 1/n xi yi - M(X) M(Y)

V(X).V(Y)

r = 1/n (xi -M(X)) . (yi - M(y))

V(X).V(Y)

r= cov (X,Y)

V(X)V(Y)

r= Sxy
Sx.Sy
 Correlacin r
y
Si
r = 1 o -1 se dice que X e Y estan perfecta y linealmente
correlacionados, o todos los puntos estan contenidos en
una recta.

x
y

Cuando
r = 0 , se dice que X e Y no estan correlacionadas

y
Si

0 < r < 1 entonces la correlacion es positiva o directa

-1 < r < 0 entonces la correlacion es negativa o indirecta.

x
Ejemplo de calculo de correlacin
de Pearson

EJERCICIO ; HALLAR LA CORRELACION ENTRE X E Y

X (X-xprom) (X-xprom)2 Y (y-Yprom) (Y-Yprom)2 XY

1,54 -0,13100 0,01716 60,00 -15,9000 252,8100 92,40
1,82 0,14900 0,02220 94,00 18,1000 327,6100 171,08
1,57 -0,10100 0,01020 65,00 -10,9000 118,8100 102,05
1,60 -0,07100 0,00504 66,00 -9,9000 98,0100 105,60
1,75 0,07900 0,00624 85,00 9,1000 82,8100 148,75
1,65 -0,02100 0,00044 72,50 -3,4000 11,5600 119,63
1,69 0,01900 0,00036 77,00 1,1000 1,2100 130,13
1,62 -0,05100 0,00260 70,00 -5,9000 34,8100 113,40
1,77 0,09900 0,00980 89,50 13,6000 184,9600 158,42
1,70 0,02900 0,00084 80,00 4,1000 16,8100 136,00

promedio 1,671 75,9 127,745

SUMA 0,07489 1129,4000
varianza 0,007489 112,94
Desviacion 0,086539009 10,6273

CORRELACIO = COVARIANZA 0,9161 = M(XY) - M(X).M(Y)

raiz V(X).(VY) 0,91968

CORRELACION 0,99611
Hallando Correlacion con Hoja
de Calculo Lotus 123

Resultado de la regresin
Constante -128,51
Error tpico de est Y 1,04707
R cuadrado 0,99223 0,9961074
N de observaciones 10
Grados de libertad 8

Coeficientes X 122,3261
Error tpico del coef 3,826156
 CORRELACION DE SPEARMAN
Se usa cuando X e Y , siendo necesario establecer
una jerarqua entre los individuos en una escala
ordinal (orden)
6 [ Di2 ]
r = 1 -
2
n (n -1)

JUGADOR Jurado 1 Jurado 2 JUGADOR Jurado 1 Jurado 2 Di Di2

A 3 5 A 3 5 -2 4
B 1 2 B 1 2 -1 1
C 4 1 C 4 1 3 9
D 2 4 D 2 4 -2 4
E 6 3 E 6 3 3 9
F 5 6 F 5 6 -1 1
SUMA 28
6 [28 ]
r = 1 - = 0.2
6 (36 - 1)

estn de acuerdo los Jurados?

Ejemplo anterior con Office 97
JUGADOR Jurado 1 Jurado 2
A 3 5
B 1 2
C 4 1
D 2 4
E 6 3
F 5 6

Resultado de la regresin
Constante 2,8
Error tpico de est Y 2,04939
R cuadrado 0,04 r 0,2
N de observaciones 6
Grados de libertad 4

Coeficientes X 0,2
Error tpico del coef 0,4898979
 Ejemplo 2 : Spearman y
Office97
H MENTAL Academica Orden 1 Orden 2 Di Di2
A1 20 28 8 9 -1 1
A2 48 50 1 2 -1 1
A3 16 31 9 7 2 4
A4 37 46 6 5 1 1 6 [ 18 ]
A5 40 49 5 4 1 1 r = 1 - = 0,85
A6 41 33 4 6 -2 4 9 (81 - 1)
A7 45 53 3 1 2 4
A8 46 50 2 3 -1 1
A9 21 30 7 8 -1 1
suma 18

Resultado de la regresin
Constante 16,37046
Error tpico de est Y 5,693428
R cuadrado 0,732703 r 0,8559804
N de observaciones 9
Grados de libertad 7

Coeficientes X 0,7091268
Error tpico del coef 0,1618857
REGRESION LINEAL

Se usa cuando hay una tendencia lineal entre X e Y y se desea

establecer una relacin funcional (ecuacin) entre ambas

b = pendiente

a
X

Y = a + bX
Constantes por Minimos
Cuadrados.

b = n [ xiyi] - xi . yi
n xi2 - (xi )2

a = 1 [ yi - b xi ]
n
Ejemplo para hallar a y b
X Y
H MENTAL Academica XY Xi2
A1 20 28 560 400
A2 48 50 2400 2304
A3 16 31 496 256
A4 37 46 1702 1369
A5 40 49 1960 1600
A6 41 33 1353 1681
A7 45 53 2385 2025
A8 46 50 2300 2116
A9 21 30 630 441
SUMA 314 370 13786 12192

b = n [ Sxiyi] - Sxi . Syi 7894 0,709

n Sxi2 - (Sxi )2 11132

a = 1 [ Syi - b Sxi ] 147,334172 16,370

n 9

ECUACION QUE RELACIONA Aptitud mental (X) y Aptitud Academica (Y)

Y = 16.370 + 0.709 * X
El mismo resultado usando
Hoja de Calculo Office 97
X Y 1. De la barra de men ?
H MENTAL Academica
2. Ayuda de lotus 1-2-3
A1 20 28
A2 48 50 3. Datos
A3 16 31
A4 37 46 4. Valor inicial
A5 40 49
A6 41 33 5. Rango de X
A7 45 53
A8 46 50 6. Rango de Y
A9 21 30
SUMA 314 370 7. Rango de Salida
8. Actuar

Resultado de la regresin
Constante 16,37046
Error tpico de est Y 5,693428 ECUACION
R cuadrado 0,732703
N de observaciones 9
Grados de libertad 7 Y = 16.37046 + 0.70912 X
Coeficientes X 0,7091268
Error tpico del coef 0,1618857
Coeficiente de Determinacin
r2 : Bondad de ajuste
X Y
H MENTAL Academica Y pred (Ypred-Yprom)2 (Y-Yprom)2
A1 20 28 30,553 111,474 171,901
A2 48 50 50,40855 86,442 79,012
A3 16 31 27,71649 179,416 102,235
A4 37 46 42,60816 2,241 23,901
A5 40 49 44,73554 13,136 62,235
A6 41 33 45,44466 18,780 65,790
A7 45 53 48,28117 51,410 141,346
A8 46 50 48,9903 62,082 79,012
A9 21 30 31,26213 97,002 123,457
SUMA 314 370 370 621,983 848,889
Promedio 41,11

r2 = S(Ypred-Yprom)2
S(Y- Y prom )2

r2 0,732703
R2 con Hoja de Calculo Office
97
X Y
H MENTAL Academica
1. De la barra de men ?
A1 20 28
A2 48 50 2. Ayuda de lotus 1-2-3
A3 16 31
A4 37 46 3. Datos
A5 40 49
A6 41 33 4. Valor inicial
A7 45 53
A8 46 50
5. Rango de X
A9 21 30
6. Rango de Y
7. Rango de Salida
Resultado de la regresin
Constante 16,37046 8. Actuar
Error tpico de est Y 5,693428
R cuadrado 0,732703
N de observaciones 9
Grados de libertad 7

Coeficientes X 0,7091268
Error tpico del coef 0,1618857
Coeficiente r2 : Bondad de
ajuste

2
r = 1 Ajuste perfecto
0,8 < r2 < 1 Ajuste excelente
0,5 < r2 < 0,8 Ajuste regular
0 < r2 < 0,5 Ajuste pobre