Escolar Documentos
Profissional Documentos
Cultura Documentos
T E M A 3 : E S TA D S T I C A B I VA R I A N T E
Su trabajo se centraba en la descripcin de los rasgos fsicos de los descendientes (una variable) a partir de los de sus padres (otra variable). Pearson (un amigo suyo) realiz un estudio con ms de 1000 registros de grupos familiares observando una relacin del tipo:
Altura del hijo = 85cm + 0,5 altura del padre (aprox.) Conclusin: los padres muy altos tienen tendencia a tener hijos que heredan parte de esta altura, aunque tienen tendencia a acercarse (regresar) a la media. Lo mismo puede decirse de los padres muy bajos. Francis Galton Primo de Darwin Estadstico y aventurero Fundador (con otros) de la estadstica moderna para explicar las teoras de Darwin.
Hoy en da el sentido de regresin es el de prediccin de una medida otra. basndonos en el conocimiento de otra.
T E M A 3 : E S TA D S T I C A B I VA R I A N T E 2
QU VAMOS A ESTUDIAR
En este captulo vamos a tratar diferentes formas de describir la relacin entre dos variables cuando estas son numricas. Estudiar si hay relacin entre la altura y el peso. Haremos mencin de pasada a otros casos: Alguna de las variables es ordinal.
Estudiar la relacin entre el sobrepeso y el dolor de espalda (ordinal)
El estudio conjunto de dos variables cualitativas lo aplazamos hasta que veamos contrastes de hiptesis (X2). Hay relacin entre fumar y padecer enfermedad de pulmn?
T E M A 3 : E S TA D S T I C A B I VA R I A N T E
Altura en cm.
162 154 180 158 171 169 166 176 163 ...
Peso en Kg.
61 60 78 62 66 60 54 84 68 ...
Dichas observaciones pueden ser representadas en un diagrama de dispersin (scatterplot). En ellos, cada individuos es un punto cuyas coordenadas son los valores de las variables. Nuestro objetivo ser intentar reconocer a partir del mismo si hay tipo, relacin entre las variables, de qu tipo, y si es posible predecir el valor de una de ellas en funcin de la otra.
T E M A 3 : E S TA D S T I C A B I VA R I A N T E
100 90 80 70 60
Pesa 50 kg. Mide 187 cm. Pesa 76 kg.
190
200
5
T E M A 3 : E S TA D S T I C A B I VA R I A N T E
10 kg.
10 cm.
170 180 190 200
7
T E M A 3 : E S TA D S T I C A B I VA R I A N T E
100
Incorrelacin
90 80 70 60 50 40
30 140
150
160
170
180
190
200
Para valores de X por encima de la media tenemos valores de Y por encima y por debajo en proporciones similares. Incorrelacin.
80 70 60 50 40 30 20 10 0 140 150 160 170 180 190 200
Para los valores de X mayores que la media le corresponden valores de Y mayores tambin. Para los valores de X menores que la media le corresponden valores de Y menores tambin. Esto se llama relacin directa. Para los valores de X mayores que la media le corresponden valores de Y menores. Esto es relacin inversa o decreciente.
T E M A 3 : E S TA D S T I C A B I VA R I A N T E 8
1 S xy = ( xi x )( yi y ) n i
El signo de la covarianza nos dice si el aspecto de la nube de puntos es creciente o no, pero no nos dice nada sobre el grado de relacin entre las variables.
T E M A 3 : E S TA D S T I C A B I VA R I A N T E
r=
S xy SxS y
tiene el mismo signo que Sxy por tanto de su signo obtenemos el que la posible relacin sea directa o inversa. r es til para determinar si hay relacin lineal entre dos variables, pero no servir para otro tipo de relaciones (cuadrtica, logartmica,...)
T E M A 3 : E S TA D S T I C A B I VA R I A N T E
10
PROPIEDADES DE R
Es adimensional [Slo toma valores en [-1,1] Las variables son incorreladas r=0 Relacin lineal perfecta entre dos variables
r=r=+1 o r=-1
Variables incorreladas
-1
+1 T E M A 3 : E S TA D S T I C A B I VA R I A N T E
11
r=0,1
150 160 170 180 190 200
r=0,4
150 160 170 180 190 200
100 90 80 70 60 50
r=0,8
190 200
r=0,99
190 200
T E M A 3 : E S TA D S T I C A B I VA R I A N T E
12
70 60 50 40 30 20 10 0 140
r=-0,5
r=-0,7
150 160 170 180 190 200
80 70 60 50 40 30 20 10 0 140
80 70 60 50 40 30 20
r=-0,95
150 160 170 180 190 200
10
r=-0,999
150 160 170 180 190 200
0 140
T E M A 3 : E S TA D S T I C A B I VA R I A N T E
13
T E M A 3 : E S TA D S T I C A B I VA R I A N T E
14
PREGUNTAS FRECUENTES
Si r=0 eso quiere decir que no las variables son independientes? En la prctica, casi siempre s, pero no tiene por qu ser cierto en todos los casos. Lo contrario si es cierto: Independencia implica incorrelacin. Me ha salido r=12 la relacin es superlineal[sic]? Superqu? Eso es un error de clculo. Siempre debe tomar un valor entre -1 y +1. A partir de qu valores se considera que hay buena relacin lineal? Imposible dar un valor concreto (mirad los grficos anteriores). Para este curso digamos que si |r|>0,7 hay buena relacin lineal y que si |r|>0,4 hay cierta relacin (por decir algo... la cosa es un poco ms complicada observaciones atpicas, homogeneidad de varianzas...)
T E M A 3 : E S TA D S T I C A B I VA R I A N T E
15
Cuando las variables en vez de ser numricas son ordinales, es posible preguntarse sobre si hay algn tipo de correlacin entre ellas. Disponemos para estos casos de dos estadsticos, aunque no los usaremos en clase: (ro) de Spearman (tau) de Kendall No tenis que estudiar nada sobre ellos en este curso. Recordad slo que son estadsticos anlogos a r y que los encontrareis en publicaciones donde las variables no puedan considerarse numricas.
REGRESIN
El anlisis de regresin sirve para predecir una medida en funcin de otra medida (o varias).
Y = Variable dependiente
predicha explicada
X = Variable independiente
predictora explicativa
T E M A 3 : E S TA D S T I C A B I VA R I A N T E
17
REGRESIN
El ejemplo del estudio de la altura en grupos familiares de Pearson es del tipo que desarrollaremos en el resto del tema.
Altura del hijo = 85cm + 0,5 altura del padre (Y = 85 + 0,5 X)
Si el padre mide 200cm cunto mide el hijo?
Se espera (predice) 85 + 0,5x200=185 cm. Alto, pero no tanto como el padre. Regresa a la media.
buscamos encontrar una funcin de X muy simple (lineal) que nos permita aproximar Y mediante
= b 0 + b1 X b0 (ordenada en el origen, constante) b1 (pendiente de la recta)
Y e rara vez coincidirn por muy bueno que sea el modelo de regresin. A la cantidad
e=Y- se le denomina residuo o error residual.
T E M A 3 : E S TA D S T I C A B I VA R I A N T E
19
b1=0,5
b0=85 cm
110
120
130
140
150
160
170
180
190
200
210
220
20
b1=0,5
b0=85 cm
110
120
130
140
150
160
170
180
190
200
210
220
21
El modelo lineal de regresin se construye utilizando la tcnica de cuadrtica: estimacin mnimo cuadrtica: Buscar b0, b1 de tal manera que se minimice la cantidad
i ei2
b 0 = y b1 x = ei = yi yi
residuo donde ,
Se obtiene adems unas ventajas de regalo El error residual medio es nulo La varianza del error residual es mnima para dicha estimacin.
T E M A 3 : E S TA D S T I C A B I VA R I A N T E 22
T E M A 3 : E S TA D S T I C A B I VA R I A N T E
23
INTERPRETACIN DE LA VARIABILIDAD EN Y
En primer lugar olvidemos que existe la variable X. Veamos cul es la variabilidad en el eje Y. Y
La franja sombreada indica la zona donde varan los valores de Y. Proyeccin sobre el eje Y = olvidar X
T E M A 3 : E S TA D S T I C A B I VA R I A N T E
24
T E M A 3 : E S TA D S T I C A B I VA R I A N T E
25
BONDAD DE UN AJUSTE
Resumiendo: La dispersin del error residual ser una fraccin de la dispersin original de Y Cuanto menor sea la dispersin del error residual mejor ser el ajuste de regresin. Eso hace que definamos como medida de bondad de un ajuste de regresin, o coeficiente de determinacin a:
2 S e2 < SY
S R = 1 S
2
2 e 2 Y
T E M A 3 : E S TA D S T I C A B I VA R I A N T E 26
T E M A 3 : E S TA D S T I C A B I VA R I A N T E
27
140
150
160
170
180
190
200
recta o cbica?
140
150
160
170
180
190
200
T E M A 3 : E S TA D S T I C A B I VA R I A N T E
28
1 variable explicativa
Simple Lineal
Modelos de regresin
2+ variables explicativas
Mltiple
No lineal
Lineal
No lineal
En clase slo tratamos el modelo de regresin lineal simple. En todos los dems la bondad del ajuste se mide usando R2 No ajustaremos modelos a mano. Usaremos para ello EXCEL o SPSS.
T E M A 3 : E S TA D S T I C A B I VA R I A N T E 29