UNIVERSIDAD AUTÓNOMA DE ZACATECAS

“Francisco Garcia Salinas”

UNIDAD ACADÉMICA DE MEDICINA

VETERINARIA Y ZOOTECNIA

9. Medidas de asociación

Métodos Estadísticos I 1
 Introducción
Además de ser de interés conocer las medidas de dispersión y
las medidas de tendencia central de una variable, es
importante conocer la RELACIÓN que ésta guarda con otras
variables.

Es de interés por ejemplo como cambia una variable cuando se

producen cambios en otra variable que puede estar relacionada
con ella.

En esta sesión analizaremos los conceptos básicos de

asociación lineal como la covarianza, correlación y regresión
lineal simple.

Métodos Estadísticos I 2
 Ejemplos de relación entre variables

Consumo de alimento Ganancia de peso

Horas de luz Producción de huevo

Uso de sellador de pezones Incidencia de mastitis

Número de parto Tamaño de la camada

Métodos Estadísticos I 3
Covarianza (Sxy)

Sean X y Y dos variables aleatorias con n

observaciones cada una, por ejemplo (x1,y1);
(x2,y2)….(xn,yn)

Su fórmula es:

Métodos Estadísticos I 4
 Formula alternativa: Su uso puede facilitar su cálculo

Ejemplo: Calcular la covarianza entre el peso y la altura de 10

alumnos

*Para facilitar los cálculos se recomienda la construcción de la

siguiente tabla

Métodos Estadísticos I 5
 Xi Yi
Altura X Peso Y
1 162 63 (162*63)
2 158 52
3 167 78
4 151 49
5 162 71
6 168 62
7 167 68
8 153 48
9 152 56
10 173 67
∑
Métodos Estadísticos I 6
 Xi Yi
Altura X Peso Y
1 162 63 10206
2 158 52 8216
3 167 78 13026
4 151 49 7399
5 162 71 11502
6 168 62 10416
7 167 68 11356
8 153 48 7344
9 152 56 8512
10 173 67 11591
∑ 1613 614 99568

= 58.86
Métodos Estadísticos I 7
La covarianza se expresa en las unidades originales de las variables
medidas, por lo que en ecuaciones es difícil interpretarla.
Por esta razón es necesario realizar una estandarización de la
covarianza que es el Coeficiente de Correlación o simplemente
Correlación, lo cual no depende de las unidades de medida.

Correlación (rxy)
Sean X y Y dos variables aleatorias con n observaciones cada
una, por ejemplo (x1,y1); (x2,y2)….(xn,yn), n pares de
observaciones de las dos caracteristicas y sean Sxy la covarianza
entre ellas; y Sx y Sy las desviaciones estándar de cada una. La
correlación este ellas es:

Métodos Estadísticos I 8
 Peso X Altura Y
1 63 162 Para calcular el Coeficiente
2 52 158
3 78 167 de correlación, es
4 49 151 necesario calcular la S.
5 71 162
6 62 168 Varianza
7 68 167
8 48 153
9 56 152
10 67 173
Media 61.4 161.3
S2
S
Covarianza 58.87
Correlacion Desviación estándar

Métodos Estadísticos I 9
 Peso Y Altura X (y-y) (y-y)2 (x-x) (x-x)2
162- (0.7)2=0.4
1 63 162 63-61.4=1.6 (1.6)2 =2.56 161.3=0.7 9
2 52 158 -9.4 88.36 -3.3 10.89
3 78 167 16.6 275.56 5.7 32.49
4 49 151 -12.4 153.76 -10.3 106.09
5 71 162 9.6 92.16 0.7 0.49 Coeficiente
6 62 168 0.6 0.36 6.7 44.89 variacion pa
7 68 167 6.6 43.56 5.7 32.49
Y es de 161
8 48 153 -13.4 179.56 -8.3 68.89
9 56 152 -5.4 29.16 -9.3 86.49 Y para en x
10 67 173 5.6 31.36 11.7 136.89 es de 35.79
Sumatoria 614 1613 0 893.84 0 519.61
Media 61.4 161.3 89.384 51.961
Varianza 99.315 57.734
Desviacion
Est 9.965 7.598
Covarianza 58.87
Correlacion 0.7775
Coeficiente 60.45
de
determinaci
ón
Métodos Estadísticos I 10
 Peso Y Altura X (y-y) (y-y)2 (x-x) (x-x)2
1 63 162 2.56 0.7 0.49
2 52 158 88.36 -3.30 10.89
3 78 167 275.56 5.70 32.49
4 49 151 153.76 -10.3 106.09
5 71 162 92.16 0.7 0.49
6 62 168 0.36 6.7 44.89
7 68 167 43.56 5.7 32.49
8 48 153 179.56 -8.3 68.89
9 56 152 29.16 -9.3 86.49
10 67 173 31.36 11.7 136.89
Sumatoria 614 1613 0
Media 61.4 161.3 0
Varianza
Desviacion
Est
Covarianza 58.87
Correlacion

Métodos Estadísticos I 11
Substituyendo:

=0.77

Cómo lo interpretamos???

Métodos Estadísticos I 12
Interpretación de la Correlación

La Correlación solo toma valores entre -1 y 1

a) rxy = 0, indica que X y Y carecen de asociación

lineal.

b) rxy con valores cercanos a 1, indica que existe una fuerte

relación lineal POSITIVA entre X y Y; es decir a medida que
crece X también crece Y casi en la misma proporción.

c) ) rxy con valores cercanos a -1, indica que existe una

fuerte relación lineal NEGATIVA entre X y Y; es decir a
medida que crece X, decrece Y.

Métodos Estadísticos I 13
 Entonces:

=0.77

Cómo lo interpretamos???
Esto significa que las variables X (estatura) y Y (peso) tienen
una correlación positiva relativamente alta, es decir a medida
que aumenta la estatura crece también el peso.

Ojo!! En este caso aunque sabemos que con el aumento de X

(estatura), Y (peso) también lo hace de manera alta, no
conocemos exactamente la proporción de aumento de peso, por
cada aumento en una unidad de estatura.

Métodos Estadísticos I 14
 Gráficamente
90

80

70
rxy=0.77
Peso (Kg)

60
Correlación positiva
50

40
150 155 160 165 170 175 180
Estatura (cm)

Gráfica 1. Relación entre la estatura y el peso de 10

alumnos de la MAPAZA

Métodos Estadísticos I 15
Métodos Estadísticos I 16
Métodos Estadísticos I 17
 TAREA

Determine la covarianza, correlación y coeficiente

de determinación entre la edad de 10 vacas y la
producción de leche.
¿Qué tipo de relación existe entre la edad de las
vacas y la producción de leche?
¿Qué porcentaje de la producción se explica con la
edad de las vacas?
Edad Producción

en meses (X) de leche kg(Y)

26 4500
52 6280
24 3840
61 7900
86 9100
30 5050
28 4710
55 6300
Métodos Estadísticos I 18