UNIVERSIDAD CENTRAL DE VENEZUELA

FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES

ESCUELA DE ESTADÍSTICA Y CIENCIAS ACTUARIALES
DEPARTAMENTO DE ESTADÍSTICA Y PROBABILIDAD
CÁTEDRA DE MÉTODOS ESTADÍSTICOS
ASIGNATURA: ESTADÍSTICA I
PROFESORAS: SANDRA V. PINTO R. Y MARÍA TERESA SALOMÓN V.

TEMA 1

ANÁLISIS DESCRIPTIVO BIVARIANTE

El análisis descriptivo bivariante se refiere al estudio de la distribución conjunta de

los datos obtenidos al medir dos variables sobre un conjunto de unidades de
observación. Las observaciones de cada variable constituye una dimensión, por lo
que también se le conoce como análisis descriptivo bidimensional. Los datos están
conformados por pares de observaciones que corresponden a la medición obtenida
de cada variable en cada unidad de observación. El análisis se puede realizar sobre
combinaciones de variables de diferente tipo: cualitativa-cualitativa, cuantitativa-
cuantitativa, cualitativa-cuantitativa. La obtención de medidas descriptivas,
depende de la naturaleza de las variables en estudio. La organización de los datos
se realiza sobre Tablas de Frecuencias Bidimensionales.

1. DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES

Sean X y Y variables cualesquiera medidas sobre n unidades de observación.
A cada unidad de observación corresponderá, por tanto, un par valores
correspondientes a las mediciones obtenidas de cada variable, esto es: (Xi, Yi);
i=1,2,....,n. Tales observaciones pueden ser organizadas en una Tabla
Bidimensional o de Doble Entrada, en la cual se representa la Distribución de
Frecuencias conjunta de las clases de ambas variables.

SP/MTS 1
 En las Tablas Bidimensionales las frecuencias internas se denominan
Frecuencias Condicionales, ya que estas corresponden a la frecuencia de una
clase de X condicionada a una clase de Y ó a la frecuencia de una clase de Y
condicionada a una clase X, según se elija entre X ó Y para el análisis de los
datos contenidos en la tabla. En los márgenes de las tablas, se registra la
Distribución de Frecuencias unidimensionales de X y Y, las cuales se
denominan Frecuencias Marginales.

Las Tablas Bidimensionales pueden ser de frecuencias absolutas, frecuencias

relativas o frecuencias relativas porcentuales. También suele crearse Tablas
Bidimensionales que muestren simultáneamente frecuencias absolutas y
porcentuales.

1.1. TABLAS DE FRECUENCIAS ABSOLUTAS BIDIMENSIONALES

En estas tablas se representa la Distribución de Frecuencias Absolutas
Condicionales y Marginales de las variables X y Y.

Y
X
y1 y2 ... yk f i.
Frecuencia
x1 f11 f12 ... f1k f1.
Absoluta
x2 f21 f22 ... f2k f2. Marginal
... ... ... ... ... ...
xm fm1 fm2 ... fmk fm.
f.j f.1 f.2 ... f.k f.. = n

Frecuencia Absoluta
Condicional
donde:
xi : clases de la variable X; i=1,2,...,m
yj : clases de la variable Y; j=1,2,...,k
f(xi /yj) frecuencias absolutas condicionales de xi dado yj
fij =
f(yj /xi) frecuencias absolutas condicionales de yj dado xi

SP/MTS 2
 fi. : frecuencias absolutas marginales de X
f.j : frecuencias absolutas marginales de Y

Además, se cumplen las siguientes relaciones:

k
fij fi
j 1
m
fij fj
i 1
m
fi n
i 1
k
fj n
j 1
m k
fij f n
i 1 j 1

1.2. TABLAS DE FRECUENCIAS RELATIVAS BIDIMENSIONALES

En estas tablas se representa la Distribución de Frecuencias Relativas
Condicionales y Marginales de las variables X y Y.

Y
X
y1 y2 ... yk hi.
x1 h11 h12 ... h1k h1 .
x2 h21 h22 ... h2k h2 . Frecuencia
Relativa
... ... ... ... ... ... Marginal
xm hm1 hm2 ... hmk hm.
h.j h.1 h.2 ... h.k 1

Frecuencia Relativa
Conjunta respecto al
total

donde:
xi : clases de la variable X; i=1,2,...,m
yj : clases de la variable Y; j=1,2,...,k
f ij
h ij frecuencias relativas respecto al total
n

SP/MTS 3
 fi
hi frecuencias relativas marginales de X
n
f j
h j frecuencias relativas marginales de Y
n

además, se cumplen las siguientes relaciones:

k
h ij hi
j 1
m
h ij h j
i 1
m
hi 1
i 1
k
h j 1
j 1
m k
h ij 1
i 1 j 1

1.3. DISTRIBUCIONES CONDICIONALES

Las Frecuencias Relativas Condicionales también pueden calcularse con
respecto a la Frecuencias Absolutas Marginales de X (filas) ó de Y (columnas).
En tales casos, las frecuencias relativas condicionales se obtienen de la
siguiente manera:

f ij
h j xi frecuencia relativa condicional de Y respecto a X
fi (frecuencia relativa condicional por fila)
f ij
hi y j frecuencia relativa condicional de X respecto a Y
f j (frecuencias relativa condicional por columna)

además, en cada caso se cumplen las siguientes relaciones:

SP/MTS 4
Frecuencias Relativas Condicional por fila Frecuencias Relativas Condicional por columna

h /x 1 h /y 1
m k

i 1 j i j 1 i j

1.4. TABLAS DE FRECUENCIAS PORCENTUALES BIDIMENSIONALES

En estas tablas se representa la Distribución de Frecuencias Porcentuales
Condicionales y Marginales de las variables X y Y.

Y
X
y1 y2 ... yk hi. %
x1 h11% h12% ... h1k% h1 . % Frecuencia
Relativa
x2 h21% h22% ... h2k% h2 . % Porcentual
... ... ... ... ... ... Marginal

xm hm1% hm2% ... hmk% hm. %

h.j % h.1 % h.2 % ... h.k % 1

Frecuencia Porcentual
Condicional respecto
donde: al total

xi : clases de la variable X; i=1,2,...,m

yj : clases de la variable Y; j=1,2,...,k
f ij
h ij % * 100 frecuencias relativas porcentuales condicionales respecto al
n
total
fi
hi % * 100 frecuencias relativas porcentuales marginales de X
n

f j
h j% * 100 frecuencias relativas porcentuales marginales de Y
n

además, se cumplen las siguientes relaciones:

SP/MTS 5
 m k
h ij % 100%
i 1 j 1
m
h i % 100%
i 1
k
h j% 100%
j 1

Las Frecuencias Relativas Porcentuales Condicionales también pueden

calcularse con respecto a las Frecuencias Marginales de X (filas) ó de Y
(columnas). En tales casos, las frecuencias relativas porcentuales se obtienen de
la siguiente manera:

f ij frecuencias porcentuales condicionales de Y respecto

h ij % x i * 100 a X (frecuencias relativas porcentuales por fila)
fi

f ij
h ij % y j * 100 frecuencias porcentuales condicionales de X respecto
f j a Y (frecuencias relativas porcentuales por columna)

además, en cada caso se cumplen las siguientes relaciones:

Frecuencias porcentuales por fila Frecuencias porcentuales por columna

m k
h ij % / x i 100% h ij % / y j 100%
i 1 j 1

2. ANÁLISIS DESCRIPTIVO BIVARIANTE PARA VARIABLES CUALITATIVAS

El análisis descriptivo bidimensional de variables cualitativas se refiere a la
obtención de la Distribución de Frecuencias Bidimensionales y a su
interpretación. Esto supone la producción de las tablas de frecuencias
absolutas, relativas y porcentuales.

3. ANÁLISIS DESCRIPTIVO BIVARIANTE PARA VARIABLES CUANTITATIVAS

El análisis descriptivo bidimensional de variables cuantitativas requiere la
obtención de la Distribución de Frecuencias Bidimensionales, de las Medidas
Descriptivas y la interpretación de cada uno de estos resultados. Esto supone

SP/MTS 6
 la producción de las tablas de frecuencias absolutas, relativas y porcentuales,
así como el cálculo de medidas de tendencia central y de dispersión.

A continuación se exponen, algunas de las medidas estadísticas empleadas en

la descripción bidimensional de variables cuantitativas.

3.1. MEDIAS Y VARIANZAS DE LAS DISTRIBUCIONES MARGINALES Y

CONDICIONALES

Sean X y Y variables cuantitativas medidas sobre un conjunto de n unidades de

observación. Sean x1,x2,...,xm y y1, y2,...yk las clases obtenidas al agrupar en

forma puntual las observaciones de X y Y respectivamente. Se puede obtener

las medias y varianzas de las distribuciones marginales (unidimensionales) y
condicionales (bidimensionales) para enriquecer el análisis descriptivo de los
datos.

3.1.1 Medias y Varianzas Marginales

Las medias y varianzas marginales se obtienen a partir de la distribución
unidimensional de las variables; es decir, los cálculos se realizan
empleando las frecuencias marginales.

Medias Marginales Varianzas Marginales

m
2
m xi x * fi m 2
xi * fi 2 i 1 xi x * fi
i 1
m
xi * fi S x m
X i 1 n
m
i 1 n fi
fi i 1
i 1
k k
2
y j *f j yj y *f j 2
j 1
k y j *f j 2 j 1
k yj y *f j
Y k
S y k
j 1 n j 1 n
f j f j
j 1 j 1

3.1.2 Medias y Varianzas Condicionales

Las medias y varianzas condicionales se obtienen a partir de la
distribución bidimensional por lo que en los cálculos se emplean las
frecuencias condicionales.

SP/MTS 7
 Medias Condicionales Varianzas Condicionales
m m 2
x *f
i ij m x X y *f m 2
X y j
i 1
x *h y
i i j
S y 2
x j
i 1 i j ij
x i
X y j
*h y
i j
f j
i 1
f j
i 1

k k 2

j 1
y *f
j ij k y j
Y x i
*f ij k 2
Y x i
y * h x
j j i
S x 2
y i
j 1
y j
Y x i
*h x j i
f i
j 1
f i
j 1

3.2. COVARIANZA: SXY

La covarianza es una medida de la dispersión conjunta de dos variables.
Permite conocer si entre dos variables existe o no relacional lineal. La
covarianza, Sxy, indica el sentido de la relación; esto es, si la relación lineal
entre las variables es directa o inversa. El cálculo de la covarianza, se realiza de
la siguiente manera:

Para datos no agrupados Para datos agrupados en forma puntual

n m k

xi x yi y i 1 j 1
x i
x y j
y *f ij

i 1
S xy m k
S xy f ij
n i 1 j 1

Si la covarianza es positiva la relación lineal entre las variables es directa, es

decir ambas variables crecen o decrecen simultáneamente. Si es negativa, la
relación lineal entre las variables es inversa, es decir cuando una variable crece,
la otra decrece. Si es cero, indica que no existe relación lineal entre las
variables.

3.3. COEFICIENTE DE CORRELACIÓN PRODUCTO-MOMENTO DE PEARSON

El coeficiente de correlación de Pearson, rxy, es una medida del sentido y la

intensidad de la relación lineal entre dos variables. Se obtiene mediante la
siguiente relación:

S xy
rxy , - 1 rxy 1
S xS y

SP/MTS 8
 Es decir, el coeficiente de correlación lineal de Pearson se obtiene a través del
cociente entre la covarianza(Sxy) y el producto de las desviaciones típicas de
X(Sx) y Y(Sy) respectivamente.

El coeficiente de correlación de Pearson se interpreta de la siguiente manera:

-1 , existe perfecta relación lineal inversa entre X y Y

rsy = 0, no existe relación lineal entre X y Y
+1, existe perfecta relación lineal directa entre X y Y

Cuanto más próximo a los extremos se encuentre rsy más fuerte es la relación
lineal entre las variables. Cuanto más próximo a cero, más débil es la relación.

SP/MTS 9