Trabajo de Estadistica

UNIVERCIDAD NACIONAL DE HUANCAVELICA
FACULTADA DE INGENIERIA MINAS CIVIL AMBIENTAL

ESCUELA PROFECIONAL DE INGENIERIA CIVIL
RECOMENDACIONES
Para un clculo exacto del coeficiente de correlacin se recomienda usar el

spss.Ya que este programa hace los clculos minuciosamente.
Es necesario graficar el diagrama de dispersin o nube de puntos, ya que nos

ayudara a tener una nocin de la correlacin que tienen las variables.
INDICE
INTRODUCCION
RESUMEN
OBJETIVOS
I.- DISTRIBUCION BIDIMENCIONAL
II.DISTRIBUCION MARGINAL
III.- COVARIANZA Y COEFICIENTE DE CORRELACION
IV.- ESTERIOGRAMAS
V.- CONCLUCIONES
VI.- RECOMENDACIONES
VII.-BIBLIOGRAFIA
OBJETIVOS
Reconocer una variable estadstica bidimensional.
Distinguir entre dependencia funcional y dependencia estadstica de variables.
Saber representar una distribucin bidimensional mediante una nube de

puntos.
Interpretar la correlacin como una medida de relacin lineal existente entre

dos variables.
Reconocer las rectas de regresin como mejor ajuste a una nube de puntos.
Calcular la ecuacin de las rectas de regresin entre dos variables.
Realizar predicciones a partir de una recta de regresin cuando sea factible.

CONCLUSIONES
Los conjuntos de pares denotaremos (x; y) y le llamaremos variables de

estadstica bidimensional.
El coeficiente de correlacin no puede excederse de los limites (-1 y 1)
Si el coeficiente de correlacin es cero (0) quiere decir que cada variable es

independiente.
El diagrama de nube de puntos es solo para variables cuantitativas.

INTRODUCCION
Estudiaremos dos caractersticas de un mismo elemento de la poblacin (altura

y peso, dos asignaturas, longitud y latitud). De forma general, si se estudian
sobre una misma poblacin y se miden por las mismas unidades estadsticas
una variable X y una variable Y, se obtienen series estadsticas de las variables
X e Y. Considerando simultneamente las dos series, se suele decir que
estamos ante una variable estadstica bidimensional.
BIBLIOGRAFIA
EDITORIAL MACRO (estadstica descriptiva y probabilidades para ingenieros).
MANUEL CORDOVA ZAMORA (estadstica descriptiva)
SOTE .A (PRICIPIOS DE LA ESTADISTICA).

1.- DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES

Contenidos:
Distribucin bidimensional de frecuencias
Representaciones grficas
Momentos en distribuciones bidimensionales
Mtodo reducido para el clculo de varianzas y covarianzas
Valor de la covarianza en caso de independencia estadstica
Coeficiente de correlacin lineal
Coeficientes de Asociacin para variables nominales: Chi-Cuadrado y C de

contingencia
Tabla de Correlacin o Contingencia (atributos) (al final del captulo)
Tabla de Correlacin o Contingencia
Permite ayudarnos a determinar si existe relacin de interdependencia entre 2

variables, es decir, si se influyen mutuamente
Donde nij es el nmero de observaciones que presentan simultneamente las

caractersticas i, j de las variables A y B, respectivamente.
As, una tabla de contingencia es una tabla de doble entrada, donde en cada
casilla figurar el nmero de casos o individuos que poseen un nivel de una
de las caractersticas analizadas y otro nivel de la otra caracterstica.
2.- DISTRIBUCION MARGIONALES

Al analizar una distribucin bidimensional, uno puede centrar su estudio en el
comportamiento de una de las variables, con independencia de cmo se
comporta la otra. Estaramos as en el anlisis de una distribucin marginal.
Distribucin marginal de A Distribucin marginal de B
DISTRIBUCION MARGINALES
Definimos: son las frecuencias absolutas marginales de las variables A y B,

respectivamente
En las tablas de contingencia

a) Distribuciones marginales
b) Distribuciones de frecuencias relativas

c) Perfiles fila
Del total de individuos con la caracterstica A1 que porcentaje comparte a su

vez la B1
Cmo es lgico, el porcentaje de individuos con A 1 que, o bien comparten B1
o B2 y hasta Bj ser el 100% = 1
d) Perfiles columna
DISTRIBUCIONES CONDICIONADAS.
Distribucin de una de las variables siempre que la otra cumpla una condicin
especfica
0 5
50 8
100 5
150 8
200 4
X: Gasto en material escolar Y: Nmero de hijos

Distribucin Condicionada: Por ejemplo, gasto en material escolar cuando el
nmero de hijos es <3. Tambin podra ser simplemente cuando y=nmero,
Suma de frecuencias cuando

y=0, y=1, y= 2. Que tienen un
gasto de 50
INDEPENDENCIA ESTADSTICA
Graves Y
Averias 0 1 2 3 Marginal de leves
0 0,2308 0,0385 0,0077 0,0000 0,2769
1 0,1692 0,0615 0,0231 0,0077 0,2615
2 0,0769 0,0385 0,0154 0,0154 0,1462
Leves X 3 0,0923 0,0615 0,0077 0,0154 0,1769
4 0,0615 0,0308 0,0000 0,0077 0,1000
5 0,0308 0,0077 0,0000 0,0000 0,0385
Marginal de Graves
0,6615 0,2385 0,0538 0,0462 1
n. j ni .
N N
ni. n. j nij
Si ij Independencia
N N N
Representacin grfica: Nube de puntos o diagrama de dispersin
3.-COVARIANZA Y COEFICIENTE DE CORRELACION

3.1.-INTRODUCCION
Hasta ahora nos hemos centrado en medidas de tendencia central, variabilidad,

asimetra y curtosis de una nica variable.
No obstante, en la prctica es comn examinar dos o ms variables

conjuntamente (v.g., relacin entre inteligencia y rendimiento, etc.)
En este tema nos centraremos en la relacin entre 2 variables (a partir de n

observaciones apareadas) y calcularemos (en particular) un ndice que nos
dar el grado de relacin/asociacin entre ambas variables: el coeficiente de
correlacin lineal (de Pearson).
3.2 REPRESENTACIN GRFICA DE UNA RELACIN

3.2.1 REPRESENTACIN GRFICA DE UNA RELACIN

3.2.2 REPRESENTACIN GRFICA DE UNA RELACIN
3.3 COVARIANZA E NDICE DE CORRELACIN DE PEARSON
Observad que cuando la relacin lineal es positiva, cuando las puntuaciones

diferenciales de X son positivas, las puntuaciones diferenciales de Y suelen ser
positivas.
Observad que cuando la relacin lineal es negativa,

cuando las puntuaciones diferenciales de X son
positivas, las puntuaciones diferenciales de Y suelen
ser negativas.
3.3.1 COVARIANZA
La covarianza es un valor que indica el grado de variacin conjunta de

dos variables aleatorias. Es el dato bsico para determinar si existe una
dependencia entre ambas variables y adems es el dato necesario para

estimar otros parmetros bsicos, como el coeficiente de correlacin
lineal o la recta de regresin.
La covarianza de una variable bidimensional es la media aritmtica de
los productos de las desviaciones de cada una de las variables respecto
a sus medias respectivas.
La covarianza mide la fuerza de la relacin lineal entre dos variables.
La covarianza muestral puede calcularse mediante:
La covarianza ser un valor positivo

La covarianza ser un valor negativo
Por tanto la covarianza nos da una idea de si la relacin entre X e Y es
positiva o negativa.
La covarianza indica el sentido de la correlacin entre las variables
Si Sxy > 0 la correlacin es directa.
Si Sxy < 0 la correlacin es inversa.
INTERPRETACIN DE L COVARIANZA
Cuando a grandes valores de una de las variables suelen mayoritariamente

corresponderles los grandes de la otra y lo mismo se verifica para los pequeos
valores de una y la otra, se corrobora que tienden a mostrar similar
comportamiento lo que se refleja en un valor positivo de la covarianza.
Por el contrario, cuando a los mayores valores de una variable suelen
corresponder en general los menores de la otra, expresando un
comportamiento opuesto, la covarianza es negativa.
El signo de la covarianza, por lo tanto, expresa la tendencia en la relacin lineal

entre las variables.
La magnitud requiere un esfuerzo adicional de interpretacin:

La versin normalizada de la covarianza, el coeficiente de correlacin indica la
magnitud de la especificidad de la relacin lineal.
Se debe distinguir entre: (1) la covarianza de dos variables

aleatorias, parmetro estadstico de una poblacin considerado una propiedad
de la distribucin conjunta y (2) la covarianza maestral que se emplea como un
valor estadsticamente estimado del parmetro.
La covarianza entre dos variables:
COEFICIENTE DE CORRELACION
CORRELACIN ENTRE VARIABLES
El anlisis de correlacin es un grupo de tcnicas estadsticas que permiten

medir la intensidad de la relacin que puede existir entre dos variables.
Ejemplos:
Relacin entre los datos de peso y talla de estudiantes de

educacin secundaria.
Relacin entre el tiempo de estudio y calidad de profesional.
La correlacin puede ser:
De al menos dos variables (dependiente-independiente).

O de una variable dependiente y dos o ms variables independientes
(Correlacin mltiple).
COEFIENTE DE CORRELACIN
El coeficiente de correlacin es un valor cuantitativo de la relacin entre

dos o ms variables.
El coeficiente de correlacin puede variar desde -1 hasta 1.
La correlacin de proporcionalidad directa o positiva se establece con
los valores +1 y de proporcionalidad inversa o negativa con -1.
No existe relacin entre las variables cuando el coeficiente es cero (0).
Qu es correlacin?
Un coeficiente de correlacin mide el grado en que dos variables tienden a
cambiar al mismo tiempo. El coeficiente describe tanto la fuerza como la
direccin de la relacin.
Podemos encontrar dos anlisis de correlacin diferentes:
CORRELACIN DEL MOMENTO DEL PRODUCTO DE PEARSON

La correlacin de Pearson evala la relacin lineal entre dos variables
continuas. Una relacin es lineal cuando un cambio en una variable se asocia
con un cambio proporcional en la otra variable.
CORRELACIN DEL ORDEN DE LOS RANGOS DE SPEARMAN

Tambin denominada rho de Spearman, la correlacin de Spearman evala la
relacin montona entre dos variables continuas u ordinales. En una relacin
montona, las variables tienden a cambiar al mismo tiempo, pero no
necesariamente a un ritmo constante. El coeficiente de correlacin de
Spearman se basa en los valores jerarquizados de cada variable y no en los
datos sin procesar.
La correlacin de Spearman suele utilizarse para evaluar relaciones en las que

intervienen variables ordinales.
Siempre es una buena idea examinar la relacin entre las variables con una
grfica de dispersin. Los coeficientes de correlacin solo miden relaciones
lineales (Pearson) o montonas (Spearman). Son posibles otras relaciones.
COEFICIENTE DE CORRELACIN DE PEARSON (rXY)
ndice que mide la covariacin entre variables: en qu medida la

variacin en una variable influye en la variacin en otra variable.
Variables cuantitavas (escala mnima de intervalo).
Relacin EXCLUSIVAMENTE lineal.
Valores: -1 rxy +1.
Interpretacin
+1: relacin perfecta positiva (directa).
-1: relacin perfecta negativa (inversa).
0: ausencia de relacin.
COEFICIENTE DE CORRELACION DE ESPEARMAN
COEFICIENTE DE DETERMINACION
Es el cuadrado del coeficiente de correlacin.
RHO DE SPEARMAN
Nombre utilizado para designar la correlacin de Spearman.
Cundo utilizar la prueba de correlacin de rangos de Spearman?
El coeficiente de correlacin no debe utilizarse para comparar dos mtodos que

intentan medir el mismo evento, como por ejemplo dos instrumentos que miden
la saturacin de oxgeno en sangre. El coeficiente de correlacin mide el grado
de asociacin entre dos cantidades, pero no mira el nivel de acuerdo o
concordancia. Si los instrumentos de medida miden sistemticamente
cantidades diferentes uno del otro, la correlacin puede ser y su concordancia
ser nula. El coeficiente de correlacin de Spearman es recomendable utilizarlo
cuando los datos presentan valores extremos, ya que dichos valores afectan
mucho el coeficiente de correlacin de Pearson, o ante distribuciones no
normales. No est afectada por los cambios en las unidades de medida.
Correlacin de rangos de Spearman Coeficiente de
Como resultado de la revisin de varios autores, asumimos el siguiente concepto:

SPEARMAN (Rho de Spearman). Este coeficiente es una medida de asociacin lineal
que utiliza los rangos, nmeros de orden, de cada grupo de sujetos y compara dichos
rangos. Existen dos mtodos para calcular el coeficiente de correlacin de los rangos:
uno, sealado por Spearman y otro, por Kendall. El r de Spearman llamado tambin
rho de Spearman es ms fcil de calcular que el de Kendall.
Frmula
En donde d i = r xi r yi es la diferencia entre los rangos de X e Y.
COMPARACIN DE LOS DOS COEFICIENTES PEARSON Y SPEARMAN
El valor de los coeficientes de correlacin de Pearson y Spearman

puede variar de -1 a +1. Para que el coeficiente de correlacin de
Pearson sea +1, cuando una variable aumenta, la otra variable aumenta
en una cantidad consistente. Esta relacin forma una lnea perfecta. El
coeficiente de correlacin de Spearman tambin es +1 en este caso.
Pearson = +1, Spearman = +1
Si la relacin es que una variable aumenta cuando la otra aumenta, pero

la cantidad no es consistente, el coeficiente de correlacin de Pearson
es positivo pero menor que +1. El coeficiente de Spearman sigue siendo
igual a +1 en este caso.
Pearson = +0.851, Spearman = +1
Cuando una relacin es aleatoria o no existe, entonces ambos

coeficientes de correlacin son casi cero.
Pearson = -0.093, Spearman = -0.093
Si la relacin es una lnea perfecta para una relacin decreciente,

entonces ambos coeficientes de correlacin son -1.
Pearson = -1, Spearman = -1
Si la relacin es que una variable disminuye cuando la otra aumenta,

pero la cantidad no es consistente, entonces el coeficiente de
correlacin de Pearson es negativo, pero mayor que -1. El coeficiente de
Spearman sigue siendo igual a -1 en este caso
Pearson = -0.799, Spearman = -1
Los valores de correlacin de -1 1 implican una relacin lineal exacta, como

la existente entre el radio y la circunferencia de un crculo. Sin embargo, el
valor real de los valores de correlacin est en cuantificar las relaciones que
son menos que perfectas. El descubrir que dos variables estn correlacionadas
suele ser til para un anlisis de regresin que intenta describir ms
detalladamente este tipo de relacin.
4.- ESTEREOGRAMA
El estereograma es una ilusin ptica basada en la capacidad que tiene los

ojos de captar imgenes desde distintas perspectivas. Esas perspectivas
diferentes ser una imagen tridimensional.
Los estereogramas se han hecho por aos, sobreponiendo dos fotogrficas

tomadas desde ngulos ligeramente distintos. Sin embargo, en la actualidad
han vuelto a la fama, gracias a los RDS (Random Dot Stereogram), creadas
con programas computacionales.
Para ver un estereograma, lo principal es entender el resultado esperado. La

idea es desenfocar la vista de la imagen, de tal manera que ambas
perspectivas sean captadas. Algunos recomiendan mirar al infinito, es decir,
fijar la vista en un objeto distante y sin desenfocar, tratar de mirar imagen.

Otros prefieren fijar la vista ben un dedo mientras ser acerca lentamente hacia
la imagen, o tratar de observar el reflejo de la imagen en un vidrio. Depende a
cada persona y de su condicin visual.
Dibujo de la estereograma:
Los siguientes figuras represente un mtodo para dibujar estereogramas.se

muestra, en un plano perpendicular al papel, la superficie que deseamos
representar, que es la lnea azul; el papel, que es la lnea verde, y los dos ojos
(OD, ojo derecho y OI, ojo izquierdo).
Como la profundidad se percibe en funcin de la disparidad entre ambos ojos,

necesitamos dibujar algo que cada uno de ellos interprete de diferente forma.
Para ello barremos la superficie con lneas horizontales que representamos en
el papel una a una.
Comenzamos con la primera: elegimos un punto arbitrario de la superficie, en

la figura. Trazando una recta entre el ojo izquierdo y el punto, corta el papel en
1, que es donde el ojo izquierdo ve el punto 1. Dibujamos este punto.
A continuacin trazamos la recta entre el punto 1 y el ojo derecho, que nos da,
y dibujamos este nuevo punto, que es donde el ojo derecho ve el punto 1.
Pero, como no podemos impedir que el ojo izquierdo tambin lo vea, lo

aprovecharemos como 2, para dibujar el siguiente punto de la superficie. Para
ello trazamos una recta entre el ojo izquierdo y 1 y la prolongamos hasta cortar
la superficie. Esto nos da el punto 2.
Repitiendo el paso 2, obtenemos 2i que dibujamos en el papel y proseguimos

hasta finalizar la lnea.
Igual que se ha descrito para dibujar la izquierda a derecha, se tiene que hacer
tambin de derecha a izquierda. Como este mtodo nos da punto muy
disperso, se parte de varios puntos prximos, situados entre 1 y 2, que nos da

otras tantas familias para dibujar la lnea completa.
A continuacin se repite el proceso para la lnea siguiente hasta completar la

superficie.
Como se ve, el estereograma depende de parmetros fsicos que no son

arbitrarios: Distancia interpupilar, distancia de los ojos al papel y profundidad de
la imagen. Antes de dibujar un objeto completo, conviene ajustar estos valores
con figuras simples (un cono va muy bien) hasta conseguir que la percepcin
de profundidad de alcance fcilmente.
Se puede poner el papel tanto antes como despus de la superficie. Si se trata

de un objeto, una esfera, por ejemplo, es muy curioso poner el papel detrs, ya
que en el estereograma se ver una esfera flotando en el aire, que casi se
puede tocar. Digo casi porque falta, evidentemente, la sensacin del tacto.

Trabajo de Estadistica

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Trabajo de Estadistica

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERCIDAD NACIONAL DE HUANCAVELICA

FACULTADA DE INGENIERIA MINAS CIVIL AMBIENTAL

Para un clculo exacto del coeficiente de correlacin se recomienda usar el

Es necesario graficar el diagrama de dispersin o nube de puntos, ya que nos

I.- DISTRIBUCION BIDIMENCIONAL

III.- COVARIANZA Y COEFICIENTE DE CORRELACION

Reconocer una variable estadstica bidimensional.

Distinguir entre dependencia funcional y dependencia estadstica de variables.

Saber representar una distribucin bidimensional mediante una nube de

Interpretar la correlacin como una medida de relacin lineal existente entre

Calcular la ecuacin de las rectas de regresin entre dos variables.

Realizar predicciones a partir de una recta de regresin cuando sea factible.

Los conjuntos de pares denotaremos (x; y) y le llamaremos variables de

El coeficiente de correlacin no puede excederse de los limites (-1 y 1)

Si el coeficiente de correlacin es cero (0) quiere decir que cada variable es

El diagrama de nube de puntos es solo para variables cuantitativas.

Estudiaremos dos caractersticas de un mismo elemento de la poblacin (altura

EDITORIAL MACRO (estadstica descriptiva y probabilidades para ingenieros).

MANUEL CORDOVA ZAMORA (estadstica descriptiva)

SOTE .A (PRICIPIOS DE LA ESTADISTICA).

1.- DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES

Distribucin bidimensional de frecuencias

Momentos en distribuciones bidimensionales

Mtodo reducido para el clculo de varianzas y covarianzas

Valor de la covarianza en caso de independencia estadstica

Coeficiente de correlacin lineal

Coeficientes de Asociacin para variables nominales: Chi-Cuadrado y C de

Tabla de Correlacin o Contingencia (atributos) (al final del captulo)

Tabla de Correlacin o Contingencia

Permite ayudarnos a determinar si existe relacin de interdependencia entre 2

Donde nij es el nmero de observaciones que presentan simultneamente las

2.- DISTRIBUCION MARGIONALES

Distribucin marginal de A Distribucin marginal de B

Definimos: son las frecuencias absolutas marginales de las variables A y B,

En las tablas de contingencia

b) Distribuciones de frecuencias relativas

Del total de individuos con la caracterstica A1 que porcentaje comparte a su

X: Gasto en material escolar Y: Nmero de hijos

Suma de frecuencias cuando

3.-COVARIANZA Y COEFICIENTE DE CORRELACION

Hasta ahora nos hemos centrado en medidas de tendencia central, variabilidad,

No obstante, en la prctica es comn examinar dos o ms variables

En este tema nos centraremos en la relacin entre 2 variables (a partir de n

3.2 REPRESENTACIN GRFICA DE UNA RELACIN

3.2.1 REPRESENTACIN GRFICA DE UNA RELACIN

3.2.2 REPRESENTACIN GRFICA DE UNA RELACIN

3.3 COVARIANZA E NDICE DE CORRELACIN DE PEARSON

Observad que cuando la relacin lineal es positiva, cuando las puntuaciones

Observad que cuando la relacin lineal es negativa,

La covarianza es un valor que indica el grado de variacin conjunta de

dependencia entre ambas variables y adems es el dato necesario para

La covarianza ser un valor positivo

La covarianza indica el sentido de la correlacin entre las variables

Si Sxy > 0 la correlacin es directa.

Si Sxy < 0 la correlacin es inversa.

Cuando a grandes valores de una de las variables suelen mayoritariamente

El signo de la covarianza, por lo tanto, expresa la tendencia en la relacin lineal

La magnitud requiere un esfuerzo adicional de interpretacin:

Se debe distinguir entre: (1) la covarianza de dos variables

La covarianza entre dos variables:

CORRELACIN ENTRE VARIABLES

El anlisis de correlacin es un grupo de tcnicas estadsticas que permiten

Relacin entre los datos de peso y talla de estudiantes de

De al menos dos variables (dependiente-independiente).