Estadstica Bidimensional

A menudo se presentan observaciones respecto a dos variables: por ejemplo: Peso (X) y edad (Y) de un grupo de
personas; ingresos (X), gastos (Y). El inters ser! estudiar el comportamiento conjunto de las variables (X, Y).
Definicin 1 : "lamaremos, #recuencias absolutas conjuntas del par ( ) y x, denotado por ij
n
a las veces $ue
aparece el par
( )
j i
y x ,
en los datos:
l j y k i n n
cY
ij
cX
, , 1 ; ; , , 1 ;
Re Re
= = =

DISTRIBUCIONES MARGINALES
%i bien nos &emos planteado el problema de estudiar el comportamiento conjunto de las variables ( ) y x, , suele
suceder $ue interesa anali'ar una de las variables prescindiendo de la otra.
Definicin : (recuencia absoluta marginal de la variable X, denotado por : ni
Re
; 1, ,
i ij
c Y
n n i K

= =

K
Definicin ! : (recuencia absoluta marginal de Y, denotado por
j n
Re
; 1, ,
j ij
c X
n n j l

= =

K
"
# )* )+ ), )- ).
y* n** n+* n,* n-* n.* n
$1
y+ n*+ n++ n,+
n-+ n.+ n
$
y, n*, n+, n,, n-, n., n
$!
n1$
n$
n!$
n%$
n&$
ij
/ecX /ecY
n 0n
Estadstica y Probabilidades; Olaguer Caroca
MEDIA # 'ARIAN(A MARGINAL DE 'ARIABLE "
MEDIA MARGINAL " :
)*ec+encias a,sol+tas
( )
Re
i i
c Y
x n
M x X
n

= =

( )
n
n x
X x M
Y c
i i
= =
Re
2
2 2
'a*ian-a Ma*.inal "/
( )
2
2
x
Var x x =
Des0iacin T1ica Ma*.inal " :
x x
S Var = +
Coeficiente 'a*iacin ma*.inal "/
x
x
Var
CV
x
=
MEDIA # 'ARIAN(A MARGINAL DE #
Media Ma*.inal #
i2 )*ec+encias a,sol+tas
( )
n
n y
Y Y M
X c
j j
= =
Re
( )
n
n y
Y Y M
X c
j j
= =
Re
2
2 2
'a*ian-a Ma*.inal #/
( )
2
2
y
Var Y Y =
Des0iacin T1ica Ma*.inal #:
y y
S Var = +
Coeficiente 'a*iacin ma*.inal 3#2/
y
y
Var
CV
y
=
Estadstica y Probabilidades; Olaguer Caroca
DISTRIBUCIONES CONDICIONALES
Definicin 4/ ( ) ( )

= =
i
ij
i j
j
ij
j i
n
n
x y
n
n
y x
Media 5 'a*ian-a Ma*.inal de "/
( ) ( ) ( ) ( )

= = = =
j i i j j i i j
y x x y y X M y x x y y x M
2 2
( ) ( ) ( ) [ ]
2 2
Y X M Y X M Y X V =
Media 5 'a*ian-a Ma*.inal de #/
( ) ( )

= =
i j j j
x y y y X Y M ( ) ( )

= =
i j j j
x y y y X Y M
2 2
( ) ( ) ( ) [ ]
2 2
X Y M X Y M X Y V =
Definicin6 7: Es 1til de#inir un estad2gra#o $ue mida el grado de variabilidad entre las variables (X ,Y) llamado
covarian'a y de#inido como:
( )
( ) ( )
n
n y y x x
Y X Cov
ij
K
i
l
j
j i
= =

=
1 1
,
3esarrollando, multiplicando y aplicando propiedades se tiene:
( ) Y X XY Y X Cov = , 3onde:
X
0 media marginal de X

Y
0 media marginal de Y

XY
0 media conjunta
La media con8+nta se define como/
n
n y x
XY
K
i
ij j
j
i
= =
=
1
1
1
"a covarian'a puede tomar cual$uier valor: cero, positivo o negativo.
4ov (X,Y) 5 6; e)iste una relaci7n directa entre las variables; es decir , si una aumenta la otra aumenta en
#orma proporcional y viceversa
4ov (X, Y) 8 6; e)iste una relaci7n inversa entre las variables; es decir , si una aumenta la otra disminuye
en #orma proporcional.
4ov (X, Y) 0 6; signi#ica $ue una de las variables es constante o las dos son independientes, es decir, no
e)iste relaci7n.
Estadstica y Probabilidades; Olaguer Caroca
Coeficiente de Co**elacin : %e de#ine como:
( )
( )
y x
y x Cov
Y X r

,
, =
9*o1iedades/
/especto al coe#iciente de correlacioni7n se tienen las siguientes observaciones:

i) 4orrelaci7n per#ecta: r 0 * (ascendente) o r 0 9* (descendente)
ii) 4orrelaci7n e)celente: r 56.:6 ; r 896.:6
iii) 4orrelaci7n aceptable: a) 6.;68 r 86.:6
b) <6.:68 r 896.;6
iv) 4orrelaci7n regular: a) 6.=68 r 86.;6
b) <6.;68 r 896.=6
v) 4orrelaci7n numrica: a) 6.,68 r 86,=6
b) <6,=68 r 896,,6
vi) >o &ay correlaci7n: 96,,68 r 86,,6
Estadstica y Probabilidades; Olaguer Caroca
x

Desviacin tpica marginal X

y

Desviacin tpica marginal Y

Cov (X, Y)= covarianza (X ,Y)