Upload
maria-diez-blanco
View
20
Download
0
Embed Size (px)
Citation preview
ESTADISTICA DESCRIPTIVA
DISTRIBUCIONES BIDIMENSIONALES
Distribuciones Bidimensionales
• Variable estadística bidimensional: Representa dos características de cada elemento del colectivo.
• Representación: (x, y); (x1, x2)...
• Importancia: Aporta más información del colectivo analizado. Mejora la representatividad de la media. Destaca la importancia de las distribuciones condicionadas.
Distribuciones bidimensionales
• Clases:– Discretas
– Continuas (Trabajo con marca de clase)
• Frecuencias:– Absolutas (fij)
– Relativas (nij)
• Distrib. Bidimensional: Conjunto de valores de la variable bidimensional con sus frecuencias.
Representación numérica:Tabla de correlación
(similar para fr.relativas y dist.continuas)
X1 X2 Xn Gj
Y1 G1
Y2 f22 fn2 G2
Ym fnm Gm
Hi H1 H2 Hn N
j
iY
X
Significado de los símbolos utilizados
-
-
-
-
-
m
jiji fH
1
n
iijj fG
1
N
G
N
fng
N
H
N
fnh
N
fn
jn
i
ijn
iijj
im
j
ijm
jiji
ijij
11
11
;;
n
i
m
jj
n
ii
m
jij GHfN
1 111
1;1;1111
m
jj
n
ii
n
i
m
ljij ghn
Representación gráfica(espacio de 3 dimensiones)
• Distribuciones discretas:– Diagrama de dispersión
– Diagrama de barras
• Distribuciones continuas:– Estereograma o escalograma
Volumen del paralelepípedo=fij
Altura =ji
ijii cc
fdh
REPRESENTACION GRAFICA DISTRIBUCIONES BIDIMENSIONALES
REPRESENTACIÓN GRÁFICA DISTRIBUCIONES
BIDIMENSIONALES DISCRETAS
REPRESENTACION GRÁFICA DISTRIBUCIONES CONTINUAS
Distribuciones marginales• Distribución unidimensional• Frecuencia de cada valor de la variable
(unidimensional) con independencia de los de la otra
• Marginal de Xi
Elementos:
Xi Hi
(absoluta)
Hi
(relativa)
X1
......
H1
......
H1
......
Xn Hn hn
Total N 1
Distribuciones marginales:Ejemplo Xi
Yj
5 10 15 Gj=f.j
1 1 2 3 6
2 2 1 2 5
3 1 3 1 5
4 3 2 2 7
Hi=fi. 7 8 8 23
Yj Gj gj
1 6 6/23
2 5 5/23
3 5 5/23
4 7 7/23
Hi=fi. 23 1
Xi Hi hi
5 7 7/23
10 8 8/23
15 8 8/23
Hi=fi. 23 1
Distribuciones condicionadas
• Importancia tanto en la concepción subjetivista como en la objetivista
• Distribuciones unidimensionales• Informa sobre la distribución de los valores de una
variable para valores distintos de la otra. • Expresa el comportamiento de una variable
condicionado a un valor conocido de la otra. Se restringe el ámbito de análisis al campo definido por el valor de la condicionante.
Distribuciones condicionadas
• Estructura de Yj/Xi
Yj/Xi= ) f(y/xi ) n(y/xi= )
Y1 fj/i= nj/i=
.... .... ...
Hi 1
Frecuencia relativa=conjunta dividida por la marginal de la condicionante:
• Frecuencias relativas i
ij
i
ij
i
ij
ij h
n
N
HN
f
H
fn
Dependencia e independencia estadística
• Importancia del estudio: Conocer si el comportamiento de una variable está afectado o no por la otra
• Condición necesaria y suficiente de independencia: Que la frecuencia relativa conjunta sea el producto de las marginales
N
G
N
H
N
fghn jiijjiij .;
Dependencia-Independencia
• Demostración de la condición de independencia:
Análisis de Y/X=
jiijji
ijij
j
n
ii
n
iij
n
nj
i
ijjj
njjj
ghngh
nn
g
h
n
h
n
h
n
h
n
h
n
nnn
;
1......
;...
/
1
1
2
2
1
1
21
Dependencia e independencia estadística
Xi
Yj
3 5 7 Gj=f.j
6 2 4 2 8
4 5 10 5 20
2 2 4 2 8
Hi=fi. 9 18 9 36
Ejemplo de independencia
36
18
8
4/
20
10/
8
4/ 2.2322212 hnyxnyxnyxn
36
9
8
2/
20
5/
8
2/ 1.1312111 hnyxnyxnyxn
36
9
8
2/
20
5/
8
2/ 3.3332313 hnyxnyxnyxn
Frecuencias relativas
• Distribuciones condicionadas
• Variables independientes
iijij
i
ij
ij
jjiij
j
ij
ji
hnnh
nn
gnng
nn
ijiijij
i
ij
ij
jijjiij
j
ij
ji
hghnnh
nn
ghgnng
nn
Momentos
• Ordinarios o respecto al origen
• Centrales o respecto a la media
n
i
m
jij
sj
rirs nyxa
1 1
n
i
m
jij
sj
rirs nyyxxm
1 1
Momentos ordinarios
Casos particulares:
n
i
m
jijji
j
m
jj
n
i
m
jijj
n
i
n
iii
m
jiji
m
jjj
n
iij
m
jj
n
i
m
jijji
n
i
m
j
n
i
n
iii
m
jijiijji
ij
n
i
m
jji
nyxa
gynya
hxnxa
ygynynyxa
xhxnxnyxa
nyxa
1 111
1
2
1 1
202
1 1
2
1
220
1111 1
1001
1 1 1 11
10110
1 1
0000
Covariante
;1
Momentos centralesCasos particulares
0110111 1
11
202
1 1
21020
2
1
2
220
11 110
0110
1 1
0000
Covarianza
varianza
0
;0
1
aaanyyxxS
Sm
Sm
aahxxnxx
VarianzaSm
xxhxxnxxm
mm
nyyxxm
n
i
m
jijjixy
xy
y
n
i
n
iii
m
jiji
x
n
iiiij
n
i
m
ji
n
i
m
jijji
MomentosEn el supuesto de que las variables sean
independientes:
Casos particulares:
osro
n
i
m
j
n
i
m
j
n
i
m
jj
sji
riji
sj
ri
sj
rirs aagyhxghyxnyxa
ij
1 1 1 1 1 1
n
i
m
j
n
i
m
josroj
sji
rii
sj
ri
n
i
m
jij
sj
rirs mmgyyhxxghyyxxnyyxxm
j1 1 1 11 1
0
;0
;
0110011001101111
011011
011011
aaaaaaam
mmm
aaa
Momentos
Cambio de variable:
• En los momentos ordinarios no es útil, pues no simplifica las operaciones.
• En los momentos centrales
j
Yjj
i
Xii c
OTyz
c
OTxu
;
n
iij
sy
m
jjyjj
rxixii
n
i
m
jij
sj
rirs nOTzcOTzcOTucOTucnyyxxm
1 11 1
)(
n
i
m
jrs
sj
riij
sj
sj
ri
rirs mccnzzcuucm
1 1
´
Correlación
• Estudio de la relación entre las dos variables:– Relación positiva: Al aumentar una, aumenta la
otra; al disminuir una, disminuye la otra.
Sxy>0
– Relación negativa: Al aumentar una, disminuye la otra y al disminuir la una, aumenta la otra.
Sxy<0
Incorrelación
Sxy= 0
Diferenciar entre incorrelación e independencia
Si las variables son independientes Sxy= 0;
Si Sxy= 0, no puede afirmarse, sin más, la independencia. Ha de cumplirse la condición de independencia: nij=higj
Coeficiente de correlación
• La covarianza está afectada por la unidad de medida en que se expresen las variables.
• Coeficiente de correlación:
• r>0 : Dependencia-Correlación positiva• r<0 : Dependencia-Correlación negativa• r = 1 : Dependencia perfecta positiva• r = -1: Dependencia perfecta negativa: • r = 0 : Incorrelación
20102
21020
11
1 1 aaaa
m
SS
Sn
S
yy
S
xxr
yx
xyij
y
jn
i
m
j x
i
Coeficiente de correlación
No está afectado por un cambio de variable
r es un indicador cualitativo.Su valor está entre –1<r<1Su signo coincide con el de la covarianza
vuvu
uv
yx
xy
jjj
j
iii
i
SS
Suv
SccS
Scc
SS
Sr
OTvcyc
OTyv
OTcuxc
OTxu
´
´
´´´
´
Tabla de correlación
Presentar cuadro práctico completo
Destacar las correspondenciasPosibilidad de agregar nuevas
filas o columnas