Estadstica y

Probabilidades
M.Sc.Ing. Jorge Luis Huere Pea
Docente Asociado del Departamento Acadmico de Ciencias Bsicas FCI
Web Page : www.unh.edu.pe e-mail : jhuere@unh.edu.pe
Semana 09:
Distribuciones Bidimensionales
Universidad Nacional de Huancavelica
Facultad de Ciencias de Ingeniera
Escuela Acadmico Profesional de Ingeniera Civil
Departamento Acadmico de Ciencias Bsicas
Se denominan distribuciones bidimensionales cuando se
estudian 02 caractersticas (variables) de un mismo elemento
(unidad experimental), considerando simultneamente las dos
series.

De manera general si se estudian sobre una 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.
Introduccin
Se consideran 02 tipos de tabulaciones:
Tabulacin de variables estadsticas
bidimensionales
1. Tabla de Correlacin.
Para variables cuantitativas

2. Tabla de Contingencia
Para variables cualitativas
Hay textos que usan los clculos de regresin y
correlacin para los mismos casos por lo similares
que son. A veces el investigador se confunde y piensa
que puede emplear ambos modelos en un mismo
problema.
X
Y
A. Relacin lneal positiva
X
Y
B. Relacin lneal negativa
X
Y
C. Relacin No lneal
X
Y
D. Sin relacin defnida, incorrelacin
X
Y
A. Relacin lneal positiva
X
Y
B. Relacin lneal negativa
X
Y
C. Relacin No lneal
X
Y
D. Sin relacin defnida, incorrelacin
y* = a + bx
Se usa cuando sabe que existe una relacin entre las variables
porque hay una teora o investigaciones previas que la han
descubierto.

Por ejemplo, la relacin entre espacio y tiempo ya se sabe que
es la velocidad, o como la relacin entre voltaje e intensidad de
corriente elctrica. .

En estos casos, se busca verificar experimentalmente tal
relacin y el objeto de la regresin es encontrar la curva que
mejor ajuste a sus datos experimentales.
Anlisis de Regresin
Se emplea cuando el investigador sospecha que ambas
magnitudes estn relacionadas, pero no tiene idea de una
ecuacin que las combine.

Por ejemplo el caso de peso y talla, donde todo lo que se
sospecha es que a mayor talla, mayor peso, pero nadie ha
descubierto una frmula que las relacione.
Anlisis de Correlacin
La forma ms comn de concebir las relaciones entre
pares de magnitudes es del tipo causa-efecto. Lo que
trata el anlisis estadstico es establecer la forma y la
significacin de las relaciones funcionales entre las dos
variables. La demostracin de la relacin causa-efecto es
tema del procedimiento del mtodo cientfico, y queda a
cargo del investigador.
I. ANALISIS DE REGRESIN:
PROCEDIMIENTOS DE UN ANALISIS DE REGRESION
Se suele escribir como y = F(x), donde x es la variable
independiente


Aqu se trata de predecir o explicar el comportamiento o
resultado de una variable (VD)

en funcin de otras variables (VI), as como investigar si
ellas estn asociadas o correlacionadas entre s
y
F (x)
Dado n observaciones bidimensionales, cada par de
valores (x,y) en el plano cartesiano est representado por
un punto, y habr tantos puntos como parejas de
observaciones se tenga.

Est representacin da origen a una NUBE DE PUNTOS
que se denomina DIAGRAMA DE ESPARCIMIENTO o
DISPERSIN; este diagrama puede tomar diferentes
formas, como se observa por ejemplo en el Grfico N 1
1.- Diagrama de dispersin:
X
Y
A. Relacin lneal positiva
X
Y
B. Relacin lneal negativa
X
Y
C. Relacin No lneal
X
Y
D. Sin relacin defnida, incorrelacin
GRFICO N 1
Ejemplo de Diagramas de Dispersin para datos bidimensionales.
2.- Regresin Simple:
El propsito de la regresin simple es estimar la
relacin que existe entre dos variables x e y, que se
expresan como:

y = F(x) que se lee y depende de x
y = Variable dependiente, predictando o explicada
x = Variable independiente, predictor o explicativa
Antes de definir cul sera la funcin matemtica o modelo
de regresin que exprese adecuadamente la relacin entre las
variables, es indispensable comprobar por un anlisis lgico la
existencia de una relacin de dependencia o causalidad directa
o indirecta entre las variables.
Por ejemplo, es lgico aceptar
que las utilidades o ganancias
depender del volumen de ventas;
la capacidad de ahorro es funcin
del ingreso, etc. En este anlisis es
muy til la nube de puntos, cuya
forma insina la forma de la
funcin de regresin.
Para determinar o construir MODELOS o FUNCIONES
DE REGRESIN es indispensable disponer informacin
acerca de los valores cada una de las variables en
distintos momentos o lugar. En general, la funcin de
regresin como modelo estadstico se construye a partir
de una muestra representativa de valores (x
i
,y
i
).
y = F(x)
3.- Ajuste de una Funcin de Regresin:
Ajustar una funcin de regresin significa buscar o
definir la funcin que exprese con mayor precisin la
relacin entre variables. Grficamente ser aquella
funcin que mejor se adecue a la nube de puntos.
Analticamente, la relacin Y* = f(X) permite obtener valores
estimados Y* a partir de los valores reales de X, entonces el
problema del ajuste de una funcin es que la diferencia o sesgo
(e
i
) entre los valores reales de y y los estimados Y* sea
mnimo, para cada valor se tendra: y - y* = e.
El mtodo consiste en minimizar la suma de sus cuadrados:
derivando respecto de las dos incgnitas a y b, igualando a
cero y despejando. Queda un sistema de dos ecuaciones con
dos incgnitas, que al resolverlo permiten hallar las
denominadas ecuaciones paramtricas de regresin
Consideremos la ecuacin de la recta :
que tiene dos parmetros a y b. Estos parmetros son
determinados al aplicar el Mtodo de los Mnimos
Cuadrados, que significa minimizar la expresin
4.- La lnea recta de Regresin:
y* = a + bx
e
i
2
= (Yi Yi*)
2
= Mnima
Para minimizar se usan las relaciones:
Resolviendo estas relaciones se obtienen Ecuaciones
Normales o Parmetros de Regresin
5.- Mtodo de los Mnimos Cuadrados:
X
2
. Y - X. XY
n X
2
- ( X)
2
a =
De las ecuaciones normales se obtiene los parmetros a
y b:
n XY - X Y
n X
2
- ( X)
2
b =
EJEMPLO 1 Supongamos que se quiere estimar la relacin
entre ingreso y consumo. Para el efecto se eligi una muestra
de 6 familias.




Dados los datos, se define la
variable dependiente (y = Consumo) y la
variable independiente (x = Ingreso), luego se construye el
Cuadro N 1, donde estn los valores que participan en las
ecuaciones normales.
INGRESO
x
CONSUMO
y
35
40
38
55
42
60
30
35
30
50
35
50
270 230
Cuadro N 01
INGRESO Y CONSUMO DE UNA
MUESTRA DE 6 FAMILIAS
Diagrama de dispersin
0
10
20
30
40
50
60
0 10 20 30 40 50 60 70
Consumo
I
n
g
r
e
s
o
INGRESO
X
CONSUMO
y
xy x
2
y
2

35
40
38
55
42
60
30
35
30
50
35
50
1050
1400
1140
2750
1470
3000
1225
1600
1444
3025
1764
3600
900
1225
900
2500
1225
2500
270 230 10810 12658 9250
X Y xy x
2
y
2

Cuadro N 01
INGRESO Y CONSUMO DE UNA MUESTRA DE 6 FAMILIAS
X
2
. Y - X. XY
n X
2
- ( X)
2
a =
n XY - X Y
n X
2
- ( X)
2
b =
12658(230) 270(10810)
6(12658) - (270)
2
a =
6(10810) 270(230)
6(12658)
2
- (270)
2
b =
= - 2.4147
= 0.9055
luego la recta de regresin es y* = -2,4147 + 0,9055 x
Diagrama de dispersin
0
10
20
30
40
50
60
0 10 20 30 40 50 60 70
Ingreso
C
o
n
s
u
m
o
6.- ERROR ESTNDAR DE ESTIMACIN:
Es una medida de esparcimiento alrededor de una lnea de
regresin. Es la desviacin estndar de los valores
observados Y con respecto a los valores Y* estimados por
la lnea de regresin.
y
2
- a y - b xy
n - 2
S
e
= S
yx
=
El error estndar de estimacin o de regresin mide la
dispersin de los valores alrededor de la lnea de
regresin.
Para el ejemplo anterior el error estndar de estimacin es:
9250 (- 2.4147)(230) (0.9055) (10810)
6-2
S
yx
=
S
yx
= 16.926
4
S
yx
= 2.05706
Ahora, suponiendo que y se distribuye normalmente, al
construir rectas paralelas a ambos lados de la lnea de
regresin a una distancia proporcional a S
yx
se definen
franjas o intervalos como se aprecia en el grfico
siguiente:
Segn la distribucin normal en los intervalos:

y* = S
yx
, se encuentra el 68.3% de los valores reales y

y * = 2S
yx
, se encuentra el 95.5% de los valores reales y

y * = 3S
yx
, se encuentra el 99.7% de los valores reales
+3S
yx

-3S
yx

+2S
yx

-2S
yx

+S
yx

-S
yx

Grfico de la distribucin normal en los intervalos
Antes de definir el coeficiente de determinacin, es necesario
justificar su uso mediante el examen de la lgica en la que se
basa su calculo.

Primero se comienza por considerar el punto correspondiente a
cualquier valor observado, y
i
, y se mide la distancia vertical
entre dicho punto y la recta y. A esto se le da el nombre de
desviacin total y se designa por (y
i
y).

Si se mide la distancia vertical entre la recta de regresin y la
recta y, se obtiene (y* - y), que se conoce como desviacin
explicada, ya que muestra en cuanto disminuye la desviacin
total cuando la recta de regresin se ajusta a los puntos.
Finalmente , se mide las distancia vertical entre el punto
observado y la recta de regresin para obtener (y
i
y*),
que se conoce como desviacin inexplicada ya que
representa la porcin de la desviacin total que no esta
explicada o tomada en cuenta por la introduccin de la
recta de regresin. Esto s emuestra en la siguiente figura:
Y
Desviacin inexplicada
(y
i
y*)
X
Desviacin explicada
(y* y)
Desviacin Total
(y
i
y)
y*
y
Diagrama de dispersin que
muestra la desviacin total, la
desviacin explicada y la no
explicada para un valor
seleccionado de Y.
Se aprecia entonces que la deviacin total parta una y
i

particular es igual a la suma de las desviaciones explicadas
e inexplicadas. Simbolicamente:
(y
i
y) = (y* y) + (y
i
y*)
desviacin desviacin desviacin
total explicada inexplicada
Si se miden estas desviaciones para cada valor de y
i
y y*,
se eleva al cuadrado cada desviacin y se suman todas ellas
para obtener:
(y
i
y)
2
= (y* y)
2
+ (y
i
y*)
2
Suma total Suma explicada Suma inexplicada
de cuadrados de cuadrados de cuadrados
(y
i
y)
2
= (y* y)
2
+ (y
i
y*)
2

Suma total Suma explicada Suma inexplicada
de cuadrados de cuadrados de cuadrados
STC = SCR + SEC
Suma total = Suma de cuadrados + Suma de error
de cuadrados debido a la de cuadrados
regresin lneal
STC=
y
i
2
- ( y
i
)
2
n
SCR=
x
i
2
- ( x
i
)
2
n
b
2
SEC = STC - SCR
7.- CLCULO DEL COEFICIENTE DE DETERMINACIN

El coeficiente de determinacin se calcula como:

R
2
= SCR
STC

que si se expresa en tanto por ciento, representa el
porcentaje de informacin que explica el modelo; es decir,
mide la proximidad del ajuste de la ecuacin de regresin de
la muestra a los valores observados de Y. tambin se
interpreta como el porcentaje de la variacin total en los y
i

es explicada por la regresin.
Ejemplo calcular el coeficiente de determinacin
para el ejemplo anterior.
R
2
= SCR = 416.5246 = 0.9612
STC 433.3333
STC=
9250 - (230)
2
=
6
SCT = 433.3333
SCR=
12658 - (270)
2
6
(0.9055)
2
= 416.5245
SEC = 433.3333 - 416.5246 = 16.8087
En los ejemplos anteriores usamos la lnea de mnimos
cuadrados para pronosticar el consumo de familias de
acuerdo al ingreso familiar; pero an, si interpretamos
correctamente la lnea como una lnea de regresin, todava
quedan cuestiones por resolver como:

Cun buenos son los valores obtenidos para a y b en la
ecuacin de los mnimos cuadrados o la ecuacin lneal?

Qu tan buena es una estimacin Y* ?
Asimismo, cuando estamos pensando en hacer pronsticos
podramos preguntarnos:
Podemos dar un intervalo para el cual podemos afirmar con
cierto grado de confianza que contendr la estimacin de y*
cuando la variable independiente tome un valor x?

En relacin a la primera pregunta a y b (coeficiente de
regresin estimados) son solo estimaciones basadas en datos
muestrales y esto implica la existencia de valores reales
correspondientes, generalmente representados por y
conocidos como los coeficientes de regresin. En forma
correspondiente tambin hay una lnea de regresin real
y/x

= + X, donde
y/x
es la media real de Y para un valor dado
de X.
En el anlisis de regresin lneal suponemos que las Xs
son constantes, no valores de variables aleatorias y que para
cada valor de X la variable que se debe de pronosticar, Y,
tiene cierta distribucin cuya media es + . En el anlisis
de regresin normal suponemos adems que todas estas
distribuciones son distribuciones normales con la misma
desviacin estndar .
8.- CORRELACIN LINEAL:
La correlacin expresa el grado de asociacin o afinidad
entre las variables consideradas; la correlacin tambin
explica el grado de la bondad del ajuste de las lneas de
regresin
Denota la interdependencia entre datos cuantitativos o
cualitativos
8.1 COEFICIENTE DE CORRELACIN RECTILINEA
El Coeficiente de correlacin, es el estadgrafo
que expresa o mide el grado de asociacin o
afinidad entre las variables relacionadas, se
denota por R y se define como:
R = SCR
STC
Ejemplo, calcular el coeficiente de correlacin para el
ejercicio anterior:
0.9804
R =
R = SCR
STC
R = 416.5246
433.3333
PROPIEDADES DE R
Como R
2
es siempre positivo resulta que la propiedad
fundamental del coeficiente de correlacin es:

De donde se deduce que:
a) Si R > 0, entonces existe correlacin directa positiva
b) Si R < 0, se trata de una correlacin inversa negativa
c) Si R
2
= 1 los datos forman una lnea recta, en el caso de
correlacin rectilnea
d) Si R = +1, hay una correlacin perfecta positiva
e) Si R = - 1, hay una correlacin perfecta negativa
f) Si R = 0, los datos son incorrelacionados.
-1 R +1
Tabla de Interpretacin de la Correlacin
Otro mtodo: Frmula de Thurstone

X
i
Y
i
n X Y
X
i
2
n X
2
Y
i
2
n Y
2

R =
10810 6(45)(38.3333)
12658 6 (45)
2
9250 6(38.3333)
2

R =
R = 0.980426
El coeficiente de correlacin de la poblacin es la raz
cuadrada de
2
el coeficiente de determinacin de la
poblacin previamente estudiada, y dado que ste toma
valores entre 0 y 1 inclusive, puede tomar cualquier
valor entre -1 y +1.
El signo de siempre ser igual al signo de (poblacin
o b para la muestra), la dependiente de la recta de
regresin de la poblacin para X e Y.