Académique Documents
Professionnel Documents
Culture Documents
7-03-05
Estadstica Multivariada
PROBABILIDAD
Y
ESTADSTICA
Carrera.
Satisfaccin con la
Universidad.
Puntaje de Ingreso.
Nmero de hermanos.
Etc.
DEPARTAMENTO
DE
De la
Poblacin de
Alumnos
USM
MATEMTICAS
23/07/2007
23/07/2007
Estadstica Multivariada
Estadstica Multivariada
Se Requieren herramientas
Computacionales especializadas
23/07/2007
23/07/2007
Anlisis Exploratorio
Multivariado
Anlisis Exploratorio
Multivariado
Matriz de Asociaciones
Matriz de Correlaciones.
Muestra la asociacin lineal entre
pares de variables.
23/07/2007
Primera Clase
23/07/2007
Humberto Villalobos
7-03-05
Organizacin de Datos
Organizacin de Datos
23/07/2007
23/07/2007
Organizacin de Datos
Organizacin de Datos
23/07/2007
23/07/2007
Organizacin de Datos
Organizacin de Datos
23/07/2007
Primera Clase
23/07/2007
Humberto Villalobos
7-03-05
Organizacin de Datos
Organizacin de Datos
Distribuciones Marginales.
23/07/2007
23/07/2007
Organizacin de Datos
Organizacin de Datos
23/07/2007
23/07/2007
Organizacin de Datos
Organizacin de Datos
APLICACIN 3: Un Socilogo dirigi una
investigacin para determinar la incidencia de un tipo
determinado de crimen variaba entre las cuatro
regin de mayor ndice delictual. Los crmenes de
inters para el socilogo son: asalto, robo hurto y
homicidio. La siguiente tabla presenta los resultados
en una muestra de 746, 918, 1527 y 854 crmenes para
la regin IV, V, Central, VIII, respectivamente
,
durante el ltimo
ao.
Frecuencia
Histograma
150
100
50
0
Flujo de rios
23/07/2007
Primera Clase
[Mg/m]
23/07/2007
Humberto Villalobos
7-03-05
Organizacin de Datos
Utilidad de
marginales.
Frecuencia
Organizacin de Datos
Central
distribuciones
40%
30%
20%
10%
0%
IV
las
VIII
Regin
Asalto
Robo
Hurto
Homicidio
23/07/2007
23/07/2007
Organizacin de Datos
Organizacin de Datos
Distribuciones condicionales.
Distribuciones Condicionales.
nA1
n
A
nA 2
n
A
fj
= #
i =A
#
nAr
n
A
23/07/2007
A = 1, ... , k
j = r
Organizacin de Datos
Organizacin de Datos
Primera Clase
j = 2
23/07/2007
23/07/2007
j = 1
23/07/2007
Humberto Villalobos
7-03-05
Organizacin de Datos
Organizacin de Datos
Robo
Hurto
Homicidio
Asalto
Robo
Hurto
Homicidio
23/07/2007
23/07/2007
Organizacin de Datos
Organizacin de Datos
Grfica de Dispersin
6e6
5e6
4e6
3e6
2e6
1e6
0
Otros
Ventas
Administrativo
Ejecutivo
Sub-Gerente
Gerente
Cargo
23/07/2007
Organizacin de Datos y
Estratificacin
Organizacin de Datos
Organizacin de Datos:
APLICACIN 4:
Un
estudio
de
una
administradora de fondos de pensiones acerca de
la opcin que toma el afiliado, con respecto al
tipo de fondo donde quiere mantener un mayor
porcentaje de sus ahorros previsiones, y su
respectivo nivel de ingresos (en miles de pesos)
Distribuciones Marginales
Se obtienen Indicadores por variable, segn
sea el tipo de escala de la variable.
Distribuciones Condicionales
Se obtienen Indicadores por variable, segn
sea el tipo de escala de la variable, en
variables de inters.
Mediante el uso adecuado de indicadores se
pueden asociar variables.
23/07/2007
Primera Clase
23/07/2007
Humberto Villalobos
7-03-05
Organizacin de Datos y
Estratificacin
Organizacin de Datos y
Estratificacin
APLICACIN 4:
Un
administradora de .
estudio
de
una
23/07/2007
23/07/2007
Organizacin de Datos y
Estratificacin
Asociacin de Variables
Existe una Matriz de Datos
APLICACIN 4:
Un
estudio
de
una
administradora de .
Utilizando la Marginal de Ingreso
23/07/2007
23/07/2007
Asociacin de Variables
Asociacin de Variables
Discreta
Cuantitativa
Continua
Nominal - Discreta
Intervalar
Nominal - Continua
Razn
Nominal - Ordinal
Nominal
Nominal - Nominal
Cualitativa
Ordinal
Continua - Continua
Tiempo traslado v/s Tiempo dedicado al estudi0
23/07/2007
Primera Clase
23/07/2007
Humberto Villalobos
7-03-05
Asociacin de Variables
Indicadores de Asociacin I
Grficos Adecuados
23/07/2007
Estadstica de Spearman
Estadstica de Spearman
Rangear datos
rs = 1
6
n( n
Ordinales
Continuos
d
1)
i =1
Rx = Rango de la variable x.
2
i
( Rx Ry )2
23/07/2007
23/07/2007
Estadstica de Spearman
12
rs = 8(64
0,857
1)
rs = 1
Ry = Rango de la variable y.
6
4
rrss ==1 0,
952
8(64 1)
Estadstica de Spearman
Grfica de Dispersin
6e6
5e6
4e6
3e6
2e6
1e6
0
Otros
Ventas Administrativo
EjecutivoSub-GerenteGerente
Cargo
Cuidado !
23/07/2007
Primera Clase
23/07/2007
Humberto Villalobos
7-03-05
Estadstica de Spearman
Estadstica de Spearman
Siempre creciente
Siempre decreciente
6
14
6(36 1)
rs = 0, 60
Montona creciente
Montona decreciente
1
-1
23/07/2007
Estadstica de Spearman
Estadstica de Spearman
23/07/2007
rS ( S ; O) = 1
6 12,5
= 0,85
8 63
rS (Y ; O) = 1
6 50,5
= 0, 40
8 63
Indicadores de Asociacin II
Estadstica de Pearson
Lineal creciente
Lineal decreciente
Primera Clase
6 24
= 0, 71
8 63
23/07/2007
23/07/2007
rS ( S ; Y ) = 1
1
-1
23/07/2007
Humberto Villalobos
7-03-05
Estadstica de Pearson
Estadstica de Pearson
Y 100
80
60
40
20
0
60
40
20
0
5
10
15
20
25
rp
5
Y 40000
400
30000
200
20000
10000
-200
32
10
15
20
( yi
37
- y ) ( xi - x )
n
- y) 2
n
ny x
i =1
n
yi2
- n y2
i =1
17
22
27
x) 2
i=1
yi xi
rp =
12
( xi -
i=1
25
GRFICA DE DISPERSIN
Y 600
27
i=1
=
2
GRFICA DE DISPERSIN
22
( yi
G RFICA DE DISPERSIN
GRFICA DE DISPERSIN
Y 80
xi2
- nx2
i =1
32
23/07/2007
23/07/2007
Estadstica de Pearson
Estadstica de Pearson
cov( x, y)
sx s y
Mide la relacin
lineal ente un par
de variables
Desviaciones estndar
de cada variable
Tiempo Transporte
% de Capacidad no
Utilizada
rp =
cov =
( yi
i =1
- y ) ( xi - x )
70
60
50
40
30
20
10
0
n 1
23/07/2007
11
13
15
17
19
21
23
T iempos de T ransporte
23/07/2007
Estadstica de Pearson
Estadstica de Pearson
xC = 13, 037
ST2
= 400, 491
ST = 20, 012
SC = 4,199
26
Q [M/US$]
xT = 15, 609
22
18
14
10
7
11
13
15
P [M/US $]
17
19
21
rp = 0, 7471
23/07/2007
Primera Clase
23/07/2007
Humberto Villalobos
7-03-05
Estadstica de Pearson
Estadstica de Pearson
xP = 12, 467
S P2 = 9,838
S P = 3,137
SQ2
SQ = 3,502
i ( mi
j ( m j
- x)
j =1
f ij mi m j -
yx
i = 1 j =1
rp = 0,9684
- y ) ( x j - x )
q
rP =
i =1
f i mi - y
f j m j - x
j =1
23/07/2007
Estadstica de Pearson
Estadstica de Pearson
C = 25,417
SC2 = 39,393
rp =
23/07/2007
Primera Clase
- y)
i =1
23/07/2007
ij ( m i
i = 1 j =1
rP =
= 12, 267
23/07/2007
xQ = 17,867
15 20 7 + 15 30 1 + ... + 35 60 6
25, 417 38,333
60
39,393 167, 225
23/07/2007
La idea de Pronosticar
Estimacin de Parmetros
23/07/2007
10
Humberto Villalobos
7-03-05
Estimacin de Parmetros
Estimacin de Parmetros
Clara relacin
con el coeficiente
de Pearson
23/07/2007
23/07/2007
Pronsticos en la Cantidad
Q [M/US$]
26
22
18
14
10
7
23/07/2007
23/07/2007
11
13
15
P [M/US $]
17
19
21
rp = 0,9684
Pronsticos en el estrgeno
Enfoque Matricial
C = 25,417
SC2 = 660, 0
E = 38,333
S E2 = 167, 225
rp = 0, 205
23/07/2007
Primera Clase
660, 0
( xi 38,333)
167, 225
23/07/2007
11
Humberto Villalobos
7-03-05
Enfoque Matricial
Enfoque Matricial
1
1