SESIÓN 11

Modalidad Semipresencial
Tabla de Contenidos

1. ANÁLISIS ESTADÍSTICO MULTIVARIANTE 2

1.1 FUNCIÓN COVARIANZA.M 2

1.2 COVARIACE.P(MATRIZ1;MATRIZ2) 5
1.3 FUNCIÓN DE COEF.DE.CORREL 9
1.4 HERRAMIENTA DE ANÁLISIS MULTIVARIADO 13

REFERENCIAS BIBLIOGRÁFICAS: 23
SESIÓN
11

DESCRIPCIÓN

El uso de las funciones estadísticas es muy útil, porque permitirá realizar un análisis estadístico,
ayudará a establecer relaciones entre los múltiples conjuntos de datos, la previsión de crecimiento
y las tendencias, predecir las ventas futuras; lo cual es de gran utilidad para los profesionales de
negocios.

CAPACIDAD

El participante al final de esta sesión estará en capacidad de procesar datos y realizar un análisis
estadístico de los datos.

TEMÁTICA

 Covarianza,
 Coeficiente correlación.
 Herramienta de análisis Estadístico multivariado
1. ANÁLISIS ESTADÍSTICO MULTIVARIANTE

El análisis estadístico multivariado, tiene como objeto explorar las inter-relaciones entre las
diferentes variables de proceso.
Los datos multivariados surgen en distintas áreas o ramas de la ciencia.
Ejemplos:
1) Investigación de mercados: Identificar características de los individuos para determinar qué tipo
de personas compran determinado producto.
2) Agricultura: Resistencia de determinado tipo de cosechas a daños por plagas y sequías.
3) Psicología: Relación entre el comportamiento de adolescentes y actitudes de los padres.

¿En qué situaciones surgen los datos multivariados?

Cuando a un mismo individuo se le mide más de una característica de interés.
Un individuo puede ser un objeto o concepto que se puede medir.
Generalmente, los individuos son llamados unidades experimentales.

Ejemplos de objetos: personas, animales, terrenos, compañías, países, etc.

Ejemplos de conceptos: amor, amistad, noviazgo, etc.

Características de los individuos: Los individuos deben de ser independientes entre sí.

Tenemos dos funciones que nos permiten realizar análisis estadístico multivariado: La Covarianza y
el coeficiente de Correlación.

1.1 Función COVARIANZA.M

Devuelve la covarianza de la muestra, o promedio de los productos de las desviaciones para
cada pareja de puntos de datos en dos conjuntos de datos.
También podemos decir que es un valor que indica el grado de variación conjunta de dos
variables aleatorias respecto a sus medias.

Sintaxis: COVARIANZA.M(matriz1; matriz2)

La sintaxis de la función COVARIANZA.M tiene los siguientes argumentos:

Matriz1 Obligatorio. El primer rango de celdas de números enteros.
Matriz2 Obligatorio. El segundo rango de celdas de números enteros.

2
Observaciones
 Los argumentos deben ser números o nombres, matrices o referencias que contengan
números.
 Si el argumento matricial o de referencia contiene texto, valores lógicos o celdas vacías,
estos valores se pasan por alto; sin embargo, se incluirán las celdas con el valor cero.
 Si los argumentos matriz1 y matriz2 tienen números distintos de puntos de datos,
COVARIANZA.M devuelve el valor de error #N/A.
 Si cualquiera de los argumentos matriz1 o matriz2 está vacío o si contienen solamente un
punto de datos cada uno, COVARIANZA.M devuelve el valor de error #¡DIV/0!.

Ejercicio:
Analizar la covarianza de las variables Peso y Altura de las edades de un grupo de niños con
edades entre 5 y 12 años.
1. Ingresar los datos: Edad de un grupo de niños de edades de 5 a 12 años, con su peso en
kg y altura en m.
2. Ubicarse en la celda en donde se obtendrá el resultado, ejemplo ubicarse en la celda E6.

3
 3. Ingresar la fórmula de la Covarianza de la Muestra_ =COVARIANZA.M(Matriz1;Matriz2)
Matriz1: B3:B33 (Pesos); Matriz2: C3:C33 (Altura)

4. Presionar Enter y obtenemos el resultado de la Covarianza = 1.21173793.

5. Cuando la covarianza es >0, estamos ante un caso de Covarianza positiva, lo que significa que las
dos variables están relacionadas, todos van hacia un mismo punto, tienden a subir. En el ejercicio
observamos que más aumenta la edad del niño, va a crecer y pesar más, es decir mientras una
variable crece, la otra también.

4
1.2 COVARIACE.P(matriz1;matriz2)

Devuelve la covarianza de la población, el promedio de los productos de las desviaciones para

cada pareja de puntos de datos en dos conjuntos de datos. Use la covarianza para determinar
las relaciones entre dos conjuntos de datos. Por ejemplo, puede investigar si unos ingresos
más elevados se corresponden con niveles de estudios más altos.,

COVARIANCE.P(matriz1;matriz2)

La sintaxis de la función COVARIANCE.P tiene los siguientes argumentos:

5
 Matriz1 Obligatorio. El primer rango de celdas de números enteros.

Matriz2 Obligatorio. El segundo rango de celdas de números enteros.

Observaciones
 Los argumentos deben ser números o nombres, matrices o referencias que
contengan números.
 Si el argumento matricial o de referencia contiene texto, valores lógicos o celdas
vacías, estos valores se pasan por alto; sin embargo, se incluirán las celdas con el
valor cero.
 Si los argumentos matriz1 y matriz2 tienen números distintos de puntos de datos,
COVARIANCE.P devuelve el valor de error #N/A.
 Si los argumentos matriz1 o matriz2 están vacíos, COVARIANCE.P devuelve el valor de
error #¡DIV/0!.

La covarianza es:

donde

x and y
son las medias de muestra PROMEDIO(matriz1) y PROMEDIO(matriz2) y n es el tamaño de
la muestra.

Ejercicio:
Analizar la covarianza de la población de las variables Peso y Altura de las edades de un grupo
de niños con edades entre 5 y 12 años.
1. Ingresar los datos: Edad de un grupo de niños de edades de 5 a 12 años, con su peso en
kg y altura en m.
2. Ubicarse en la celda en donde se obtendrá el resultado, ejemplo ubicarse en la celda E6.

6
3. Ingresar la fórmula de la Covarianza de la Población_ =COVARIANCE.P(Matriz1;Matriz2)
Matriz1: B3:B33 (Pesos); Matriz2: C3:C33 (Altura)

7
4. Presionar Enter y obtenemos el resultado de la Covarianza Poblacional= 1.17134667.
5. Cuando la covarianza es >0, estamos ante un caso de Covarianza positiva, lo que significa
que las dos variables están relacionadas, todos van hacia un mismo punto, tienden a subir.
En el ejercicio observamos que más aumenta la edad del niño, va a crecer y pesar mas, es
decir mientras una variable crece, la otra también.

8
1.3 Función de COEF.DE.CORREL
Devuelve el coeficiente de correlación entre dos rangos de celdas definidos por los
argumentos matriz1 y matriz2. Use el coeficiente de correlación para determinar la relación
entre dos propiedades. Por ejemplo, para examinar la relación entre la temperatura
promedio de una localidad y el uso de aire acondicionado..

Sintaxis
COEF.DE.CORREL(matriz1;matriz2)

La sintaxis de la función COEF.DE.CORREL tiene los siguientes argumentos:

Matriz1 Obligatorio. Un rango de celdas de valores.

Matriz2 Obligatorio. Un segundo rango de celdas de valores.

9
Observaciones
 Si el argumento matricial o de referencia contiene texto, valores lógicos o celdas vacías,
estos valores se pasan por alto; sin embargo, se incluirán las celdas con el valor cero.

 Si los argumentos matriz1 y matriz2 tienen un número diferente de puntos de datos,

COEF.DE.CORREL devuelve el valor de error #N/A.

 Si el argumento matriz1 o matriz2 está vacío, o si s (la desviación estándar) o sus valores
son cero, COEF.DE.CORREL devuelve el valor de error #¡DIV/0!.

 La ecuación para el coeficiente de correlación es:

Ecuación

donde

Ejercicio:
Determine el Coeficiente de Correlación de las variables Peso y Altura de un grupo de edades
de niños, que se muestra a continuación.
1. Ingresar los datos: Edad de un grupo de niños de edades de 5 a 12 años, con su peso en kg
y altura en m.
2. Ubicarse en la celda en donde se obtendrá el resultado, ejemplo ubicarse en la celda E6.

10
3. Ingresar la fórmula del Coeficiente de Correlación =COEF.DE.CORREL(Matriz1;Matriz2)
Matriz1: B3:B33 (Pesos); Matriz2: C3:C33 (Altura)

11
4. Presionar Enter y obtenemos el resultado del Coeficiente de Correlación= 0.97845169.
5. Cuando la Correlación es >0, estamos ante un caso de Correlación positiva, lo que significa
que las dos variables están relacionadas, todos van hacia un mismo punto, tienden a subir.
En el ejercicio observamos que más aumenta la edad del niño, va a crecer y pesar más, es
decir mientras una variable crece, la otra también.

12
1.4 HERRAMIENTA DE ANÁLISIS MULTIVARIADO

El Excel 2016, nos proporciona una herramienta de análisis estadístico a través del
complemento, el cual lo activamos en la sesión 9. Este complemento nos permitirá calcular la
Covarianza y el Coeficiente de Correlación de una manera rápida y guiada.

COVARIANZA
Pasos:
1. Una vez activado el complemento Herramienta de Análisis, hacer clic en la Ficha Datos/
Grupo Análisis/Análisis de datos.
2. En la ventana Análisis de datos, seleccionar Covarianza

13
3. En la ventana Covarianza, ingresar los siguientes datos:
 Rango de entrada: B3;C33 (correspondiente a los datos de las variables Peso y Altura
 Seleccionar Agrupado por columnas (pues las variables Peso y Altura se encuentran en
columnas)
 Marcar Rótulos en la primera fila, que corresponde a los textos con los nombres de las
variables (peso y altura).
 Opciones de salida. Existen 3 opciones, Rango de salida (en la misma hoja), en una
hoja nueva o en un libro nuevos. En este ejemplo seleccionamos Rango de salida E4

14
4. Hacer clic en Aceptar
5. Se observa que la Covarianza de las dos variables es: 1.17134667, lo que significa que hay
una alta correlación entre las dos variables.

15
CORRELACION
Pasos:
1. Una vez activado el complemento Herramienta de Análisis, hacer clic en la Ficha Datos/
Grupo Análisis/Análisis de datos.
2. En la ventana Análisis de datos, seleccionar Coeficiente de correlación

16
3. En la ventana Coeficiente de correlación, ingresar los siguientes datos:
 Rango de entrada: B3:C33 (correspondiente a los datos de las variables Peso y Altura
 Seleccionar Agrupado por columnas (pues las variables Peso y Altura se encuentran
en columnas)
 Marcar Rótulos en la primera fila, que corresponde a los textos con los nombres de
las variables (peso y altura).
 Opciones de salida. Existen 3 opciones, Rango de salida (en la misma hoja), en una
hoja nueva o en un libro nuevos. En este ejemplo seleccionamos Rango de salida E10

17
3. Dar clic en el botón Aceptar
4. Se muestra el resultado con el Coeficiente de correlación.

18
EJEMPLO 2
Determinar la Covariancia y Coeficiente de correlación

19
20
21
22
Referencias bibliográficas:
 Pacheco, J. (2017). Aplicaciones prácticas con Excel 2016. Lima: Macro
 Pérez, M. (2016). Windows 10 práctico. Mexico: Alfa Omega
 Rathbone A (2015). Windows 10. Barcelona: Para Dummies
 Peña, R; Orbegozo A. (2017). Office 2016 - Paso a paso. Mexico:Alfa Omega
 Mediaactive. (2016). El Gan Libro de Office 2016. Barcelona: Marcombo
 Marco, R. y Ferrari, A. (2015). Dax Patterns 2015.
 http://www.aulaclic.es/excel-2016/index.htm
 http://www.formacionprofesional.info/manual-excel-2016-en-pdf/
 https://support.office.com/es-es/article/Gu%C3%ADas-de-inicio-r%C3%A1pido-de-Office-2016-
25f909da-3e76-443d-94f4-6cdf7dedc51e?ui=es-ES&rs=es-ES&ad=ES
 https://www.youtube.com/watch?v=Rkq-EKlTY1w
 https://www.youtube.com/watch?v=HFgjxwqocl4
 https://www.fibao.es/media/uploads/manual_de_spss_universidad_de_celaya.pdf
 https://www.ibm.com/pe-es/products/spss-statistics
 ftp://public.dhe.ibm.com/software/analytics/spss/documentation/statistics/25.0/es/client/Manuals/IB
M_SPSS_Statistics_Core_System_User_Guide.pdf

23