Mates
Distribución bidimensional de frecuencias Tablas de contingencia y correlación Distribuciones marginales Distribuciones condicionadas Independencia estadística Representaciones gráficas Diagrama de dispersión Momentos en distribuciones bidimensionales Respecto al origen Respecto a la media • Covarianza e independencia estadísticaDistribución bidimensional de frecuencias
En muchas ocasiones interesa analizar 2 características de cada elemento de la población: Peso y altura Euribor y tasa de morosidad Crecimiento económico e inversión en educación Podríamos analizarlas por separado, pero lo interesante es estudiarlas conjuntamente para analizar sus posibles relaciones. Por tanto, tendremos: o más
( xi , y j ;nij )
Valor de la variable X Valor de la variable Y
Frecuencia absoluta conjunta
Distribución bidimensional de frecuencias
Por ejemplo:
Distribución bidimensional de frecuencias
¿Cómo podríamos organizar la información de la tabla anterior? Recurriremos a una tabla de correlación:
Antigüedad Salario xi yj 10 1.000 20 10 20 30 10 20 30 30 1.000 2.000 2.000 2.000 3.000 3.000 3.0004.000
Nº empleados nij 15 10 10 15 10 5 10 15 10
X/Y x1 x2 … xr n·j
y1 n11 n21 … nr1 n·1
y2 n12 n22 … nr2 n·2
… … … … … …
ys n1s n2s … nrs n·s
ni· n1· n2· … nr· N
Por ejemplo, n11 nos dice el número de veces que se ha presentado x1 conjuntamente con y1.
Se le denomina tabla de contingencia, cuando la variable es cualitativa.
Distribución bidimensional de frecuenciasEn nuestro ejemplo:
Distribución bidimensional de frecuencias
En ocasiones nos interesa estudiar cada variable por separado (como en los temas anteriores). Utilizamos entonces las distribuciones marginales:
Salario X Antigüedad Y
1.000 15 10 0 25
2.000 10 15 10 35
3.000 5 10 15 30
4.000 0 0 10 10
ni. 30 35 35 100
r j 1
Distribución marginal de X xi ni· n1· n2· … nr·N
Distribución marginal de Y
10 20 30 n.j
ni· nij
x1 x2 … xr
n· j nij
i 1
s
yi y1 y2 … ys
n·j n·1 n·2 … n·s N
n
i 1
r
i·
n· j nij N
j 1 i 1 j 1
s
r
s
Distribución bidimensional de frecuencias
En otras ocasiones nos interesa estudiar una variable bajo la condición de que la otra variable tome un valor o valores.Utilizamos entonces las distribuciones condicionadas: Distribución de X|Y=yj xi x1 x2 … xr nij n1j n2j … nrj n·j Distribución de Y|X=xi yi y1 y2 … ys nij ni1 ni2 … nis ni·
De Y/X De X/Y Frecuencias relativas condicionadas
Distribución bidimensional de frecuencias
En nuestro ejemplo: ¿Cuál es la distribución de salarios de los trabajadores con 30 años de antigüedad? ¿Cuál es la distribución de laantigüedad de los trabajadores que perciben un salario de 1000 euros? Distribución de Y|X=30 yi 1000 2000 3000 4000 n3· n3j 0 10 15 10 35 fj|i=3 0 10/35 15/35 10/35 1 Distribución de X|Y=1000 xi 10 20 30 n·1 ni1 15 10 0 25 fi|j=1 15/25 10/25 0 1
fi / j
nij n· j
nij ni·
f j /i
Distribución bidimensional de frecuencias
Ahora bien, podría suceder que las variables que estamosestudiando no tengan ningún tipo de relación. Diríamos entonces que son independientes. ¿Cómo podemos comprobar si dos variables son independientes?
nij N ni· n· j N N i, j
f
i
Representaciones gráficas
También podemos obtener una idea sobre la relación/ausencia de relación entre dos variables mediante un diagrama de dispersión o nube de puntos: Ejemplo: Tenemos las alturas (X) y lospesos (Y) de 30 individuos. Lo representamos en un diagrama de dispersión.
100 90
Lo que equivale a que:
f ij f i· f · j
i, j
j
f i
f j f j
i
i, j
Pesos (Y)
Día de la semana en que se hace la encuesta
70 60 50 40 30 140 150 160 170 180
Lunes
Género
Martes 9 6 15
Miércoles 15 10 25
ni. 30 20 50
Mujer Hombre n.j
6 4 10
Pesa 50 kg....
Regístrate para leer el documento completo.