Sesion 7

Qwertyuiopasdfghjklzxcvbnmqwertyu
iopasdfghjklzxcvbnmqwertyuiopasdfg
hjklzxcvbnmqwertyuiopasdfghjklzxcv
bnmqwertyuiopasdfghjklzxcvbnmqwe
CURSO: ESTADISTICA II
Semestre 2015-II
rtyuiopasdfghjklzxcvbnmqwertyuiopa
UNIDAD TEMÁ TICA II:
sdfghjklzxcvbnmqwertyuiopasdfghjklz
ÁNALISIS DE LA RELACIÓN O
ASOCIACIÓN ENTRE DOS
xcvbnmqwertyuiopasdfghjklzxcvbnmq
VARIABLES
wertyuiopasdfghjklzxcvbnmqwertyuio SESIÓN 7
Universidad Nacional Mayor de San Marcos

pasdfghjklzxcvbn E.A.P de Estadística
Facultad de Ciencias Matemá ticas
Mqwertyuiopasdfghjklzxcvbnmqwerty Profesores:
Lic. Fernando Camones Gonzales
Mg. Ana María Cárdenas Rojas
uiopasdfghjklzxcvbnmqwertyuiopasdf
Lic. Lucy Vega Calero
ghjklzxcvbnmqwertyuiopasdfghjklzxc
vbnmqwertyuiop
Curso: Estadística II EAPE_FCM-UNMSM-2015-II
Unidad Temática II: Relación o Asociación entre dos variables.
Karl Pearson, científico, matemático,

estadístico, Biólogo y pensador
británico, que estableció la disciplina
de la estadística matemática.
Desarrolló una intensa investigación
sobre la aplicación de los métodos
estadísticos en la biología y fue
fundador de la bioestadística. Nacido
en Londres el 27 de marzo de 1857 y
falleció en 1936.
Sesión de Aprendizaje 7: Medidas de asociación de dos

variables
1. Análisis de asociación de dos variables medidas en escala ordinal.

2. Análisis de asociación de dos variables medidas en escala razón
3. Práctica dirigida N°7:
Indicadores de asociación para variables categóricas medidas en

escala ordinales y variables medidas en escala de razón.
3.-Laboratorio N°7:
Aplicar las medidas de asociación estudiadas a datos reales y a la

base de datos del proyecto de investigación.
MEDIDAS DE ASOCIACIÓN PARA VARIABLES BIDIMENSIONALES (X ,Y):

AMBAS CUALITATIVAS O CATEGÓRICAS medidas en escala ordinal.
Profesores: Mg. Ana María Cá rdenas, Lic. Fernando Camones, Lic. Lucy Vega Pá gina 2
ANÁLISIS DE ASOCIACIÓN DE DOS VARIABLES MEDIDAS EN ESCALA ORDINAL:
Las variables cualitativas ordinales son aquellas cuyas categorías se presentan jerarquizadas, ya
que reconocen una disposición inalterable.
Ejemplo: la variable “edad” considerada en un nivel de medición ordinal podría presentar las
siguientes categorías: niño, joven, adulto, anciano. Decimos que la disposición de las categorías
es inalterable ya que no se puede ser adulto antes de ser joven, anciano antes que niño, etc.).
Dada esta característica es posible observar la existencia o no de asociación en el

comportamiento de dos variables de este tipo,
Cuando se considera la ordenación de individuos en dos variables X e Y , es posible determinar

comparativamente cuando dos pares son concordantes, discordantes o empatados.
Dos pares de datos (xi,yi) y Dos pares de datos (xi,yi) y Dos pares de datos
(xj,yj) son concordantes si sus (xj,yj) son discordantes si sus (xj,yj) son empatados
producto cruzado de las producto cruzado de las producto cruzado
diferencias es de signo diferencias es de signo diferencias es igual a cero, y
positivo, y se expresa: negativo, y se expresa: se expresa:
(x j - xi) (yj – yi) > 0 (x j - xi) (yj – yi) < 0 (x j - xi) (yj – yi)
Dicho en otra forma: Dicho en otra forma: Dicho en otra forma:
x 1 es inferior a x 2 y y 1 es x 1 es superior a x 2 y y 1 es Dos pares son empatados

inferior a y 2 o x 1 es superior inferior a y 2 o x 1 es inferior solo en X si: x 1
a x 2 y y 1 es superior a y 2 . a x 2 y y 1 es superior a y 2 .
Dos pares son empatados
solo en Y si: y 1 es igual a y
Dos pares son

simultáneamente empatados
en X e Y si: x 1
y 1 es igual a y 2
Para el caso de los empates, observemos que podemos descomponer en empate solo en X,
empate solo en Y, empate en X e Y.
NOTACIONES:
Profesores: Mg. Ana

C: María
NúmeroCá total
rdenas, Lic. Fernando
de pares Camones, Lic. Lucy Vega
concordantes Pá gina 4
D: Número total de pares discordantes.
E: Número total de pares empatados

E: Número total de pares empatados
c i j : frecuencia total de casos concordantes
d i j : frecuencia total de casos discordantes
Cálculo de C, D y E
C = Σ i Σ j f ij c ij D = Σ i Σ j f ij d ij fij(fij−1)
E xy =∑
2
donde c i j = Σ k>i Σ l>j f kl donde d i j = Σ k>i Σ l<j f kl
Ejemplo 1:
En un estudio realizado sobre el pandillaje en el asentamiento humano del distrito de Comas, se

tomó una muestra aleatoria a 221 familias. A continuación se presenta parte de las preguntas del
estudio formuladas al jefe de familia.
X Nivel Educativo Y
Ingresos Alto Medio Bajo Total
Alto 45S 23 12d 80
Medio 37 11 18 66
Bajo 22 19 34 75
Total 104 53 64 221
La diagonal positiva (la que contiene las celdas “alto–alto” y “bajo–bajo”) va del extremo
superior izquierdo al extremo inferior derecho. La diagonal negativa (la que contiene las celdas
“alto–bajo” y “bajo–alto”) va del extremo inferior izquierdo al extremo superior derecho. La
celda s es el final de la diagonal positiva, y d, el final de la diagonal negativa.
a) Cálculo del número total de pares concordantes ( C ):
C = Σ i Σ j f i j c i j donde c i j = Σ k>i Σ l>j f kl
c 11 = Σ k>1 Σ l >1 f kl = Σ k=2, 3 Σ l=2, 3 f kl = f 22+ f 23+ f 32+ f33 = 11+18+19+34=82
Vamos a observarlo gráficamente.
45
11 18
19 34
f 11 C 11 = 45*(11+18+19+34) = 3690
c 12 = Σ k>1 Σ l >2 f kl = Σ k=2, 3 Σ l= 3 f kl = f 23+ f 33 = 18+34= 52
23
18
34
f12 c 12 = 23*(18+34 )= 1196
c 13 = Σ k>1 Σ l >3 f kl = Σ k=2, 3 Σ l=4 f kl = 0
f13 c 13 = 12 * 0 = 0
c 21 = Σ k>2 Σ l >1 f kl = Σ k= 3 Σ l=2, 3 f kl = f 32+ f 33 = 19+34= 53
37
19 34
f21 c 21 = 37*(19+34 )=1961
c 22 = Σ k>2 Σ l >2 f kl = Σ k= 3 Σ l= 3 f kl = f33 = 34
11
34
f22 c 22 = 11*34=374
Luego, el número total de pares concordantes C = Σ i Σ j f i j c i j = 3690+1196+0 +1961+374 =7221
b) Cálculo del número total de pares discordantes (D)
D = Σ i Σ j f i j d i j donde d i j = Σ k> i Σ l < j f kl
12
37 11
22 19
f 13 d 13 = 12*(37+11+22+19)= 1068
23
37
22
f 12 d 12 = 23*(37+22)= 1357
f 11 d 11 = 0
18
22 19
f 23 d 23 = 18*(22+19) =738
11
22
f 22 d 22 = 11*22=242
Luego, el número total de pares discordantes D = Σ i Σ j f i j d i j = 1068+1357+738+242=3405
c) Cálculo de pares empatados (Ey):
45
37
22
f 11 * (f21 +f31) + f21* f31= 45*(37+22) + 37 + 22 =2655 + 814 = 3469
23
11
19
f 12 * ( f 22 + f 23 ) + f22 * f23 = 23*(11+19) + 11 * 19 =690 + 209 = 899
12
18
34
f 13 * (f 23 + f33) + f 23 * f 33 = 12*(18+34) + 18 * 34= 624+ 612 = 1236
Ey = 3469 + 899 + 1236 = 5604
d) Cálculo de pares empatados (Ex):
45 23 12
f 11 *( f 12 +f 13) + f 12 *f 13) = 45*(23+12) + 23 * 12 =1575 + 276 = 1851
37 11 18
f 21 *( f 22 + f 23) + f22 * f 23= 37*(11+18) + 11 *18 =1073 + 198 = 1271
22 19 34
f 31 *( f 32 + f 33) + f32 * f 33= 22*(19+34) + 19*34 =1166+ 646 = 1812
Ex = 1851 + 1271 + 1812 = 4934
e) Cálculo de pares empatados en ambas variables (Exy): se calcula mediante una ecuación, en la
que f es la frecuencia de cada celda.
fij(fij−1)
E xy =∑
2
45 x (45 – 1) / 2 = 990 37 x (37 – 1) / 2 = 666 22 x (22 – 1) / 2 = 231
23 x (23 – 1) / 2 = 253 11 x (11 – 1) / 2 = 55 19 x (19 – 1) / 2 = 171
12 x (12 – 1) / 2 = 66 18 x (18 – 1) / 2 = 153 34 x (34 – 1) / 2 = 561
Exy = 990 + 666 + 231 + 253 + 55 + 171 + 66 + 153 + 561 = 3146
Efectivamente el número total de pares que se pueden formar, que difieran en uno al menos de
sus elementos es n(n-1) / 2 = 221(220) / 2 = 24310
Verificando:C +D +Ex +Ey + E xy = 7221 + 3505 + 4934 + 5604 + 3146 = 24310
Estamos ya en condiciones de aplicar coeficientes de asociación para determinar el grado de

asociación entre variables ordinales.
En todos los coeficientes veremos que el numerador es C – D, la diferencia entre los pares
concordantes y los discordantes. Esta diferencia nos indicará el sentido de la asociación: positivo
si C > D, negativo si C < D
a) El estadístico a usar es “Gamma” de Goodman y Kruskall ( 1979) para el caso simétrico:
(existencia, magnitud, dirección)
γ =¿ = C – D / C + D
-1 < γ < 1
Si D = 0 → γ = 1 (cuando todos los pares son concordantes)
y si C = 0 → γ = -1 (cuando todos los pares son discordantes)
Cuando γ = 0 hay ausencia de relación
γ = 1 existe relación positiva perfecta
γ = -1 existe relación negativa perfecta
NOTA: Se usa para tablas de contingencia de cualquier dimensión, pero es apropiado para tablas
de contingencia cuadradas ( igual número de filas y columnas)
Para el ejemplo tenemos:
7221−3405
γ= =0.35912
7221+3405
Podemos decir que existe una asociación positiva leve entre nivel de educación y los ingresos
Observaciones:
Esto es lo que distingue al coeficiente Gamma (γ) de Goodman y Kruskal. Es también una medida
simétrica, como el tau–a de Kendal, pero, puede alcanzar los extremos (1 y –1).
b) Coeficiente Tau–b de Kendall
Es el más sencillo de los coeficientes, y se define como la razón entre la diferencia de pares
concordantes y discordantes, sobre la media geométrica entre el número de pares no empatados
en la variable Y y el número de pares no empatados en la variable X.
La ecuación es la siguiente:
C− D❑
τb=
√( C + D+ E X −E XY ) (C+ D+ EY −Exy)
Medida de asociación para variables ordinales, cuyos valores posibles oscilan de -1 a 1.
Con los valores absolutos mayores indicando las relaciones más fuertes. Tau b puede obtenerse
sólo un valor de -1 o +1 para tablas cuadradas. El signo del coeficiente indica la dirección de la
relación. Este coeficiente muestra un coeficiente de órdenes de rangos.
En una tabla cuadrada, si τb=1 ,significa que todas las observaciones están en la diagonal
principal de la tabla (o sea no existe discordancia alguna)
Si τb=−1 , , significa que todas las observaciones se hallan en la en la diagonal secundaria, es

decir la discordancia es máxima.
Si existe independencia entre las variables , τb = 0
Una de las limitaciones es que en las tablas que no son cuadradas, no pueden nunca alcanzar los
valores de (1,-1).
En el ejemplo
7221−3405
τb= =¿
√(7221+ 3405+5604−2255❑)(7221+3405+ 4934❑−2255)
Interpretación:
c) Coeficiente de correlación de Spearman.
Este coeficiente permite medir la relación entre los rangos asignados a una variable y los rangos
asignados a la otra variable.
6 ∑ d 2i
r s=1−
[
n( n2−1) ] (*)
Donde di es la diferencia de rangos entre X e Y.
Cuando los coeficientes −1 ≤r s ≤ 1 alcanzarán el máximo valor si todos los individuos ocupan
exactamente los mismos rangos o posiciones en X e Y
PROCEDIMIENTO PARA EL CALCULO DEL COEFICIENTE DE SPEARMAN
 Se anota el rango de cada individuo en la variable X y en la variable Y.

 Se determina la diferencia entre los rangos , d i.
 Se elevan al cuadrado estas diferencias y luego se suman.
Aplicar la fórmula (*)
Ejemplo 2:
Un investigador está interesado en conocer si el desarrollo mental de un niño está asociado a la

educación formal de su madre. De esta manera, obtiene la calificación de desarrollo mental en la
escala de Gesell de ocho niños elegidos aleatoriamente y se informa del grado de escolaridad de
las madres.
Escolaridad de la Madre (X) Calificación del desarrollo mental

de los niños(Y)
Primero de secundaria. 90
Primero de Primaria, 87
Profesional. 89
Sexto de primaria. 80
Tercero de secundaria. 85
Tercero de primaria. 84
Analfabeta. 75
Preparatoria. 91
Solución:
Se desea medir asociación o correlación. Las calificaciones de la educación formal de las madres
están dadas en una medición cualitativa, pero tienen una escala ordinal, por lo cual es posible
ordenarlas en rangos al igual que las calificaciones del desarrollo mental del niño a pesar de ser
una variable cuantitativa. Podemos aplicarr s
Rango de la Rango del desarrollo di d 2i

educación materna mental del niño.
5 7 -2 4
2 5 -3 9
8 6 2 4
4 2 2 4
6 4 2 4
3 3 0 0
1 1 0 0
7 8 -1 1
∑ d 2i =4 +9+ 4+ 4+ 4+1=26
6∗26
r s=1−
[ ]
8 ( 63 )
=0.6905
Existe asociación moderada entre los rangos asignados a la escolaridad de la madre y los rangos
asignados a la calificación del desarrollo mental de los niños.
EJEMPLO 3:
Los datos que siguen muestran las puntuaciones en nivel de lectura (X) y la conducta mostrada en
clase Y de 10 niños con problemas de conducta y de lectura, sometidos a un programa de
recuperación cuyo fin era manifestar la eficacia de las técnicas de modificación de la conducta en
la superación de dichos problemas.
TABLA
Nivel de RANGOS d i di2

lectura Conducta en clase
X Y X Y
2.7 40 4 1 3 9
2.2 14 8 9 -1 1
2.3 18 7 7 0 0
2.6 20 5 5 0 0
3.1 22 3 4 -1 1
3.4 36 2 3 -1 1
1.9 17 10 8 2 4
2.1 13 9 10 -1 1
2.4 39 6 2 4 16
3.9 19 1 6 -5 25
Total 0 58
rs = 1 – [6 Σ d i 2 / n(n 2 – 1)] = 1 - [6*58 / 10(102 -1)] = 1 – 0.35 = 0.65
Existe una asociación moderada entre los rangos asignados.
Si se hubiera asignado los rangos en ambas variables desde el mínimo hasta el máximo, el valor del
coeficiente sería el mismo.
NOTA: Respecto a los rangos, es indiferente atribuir en ambas variables el valor 1 al sujeto con la
máxima puntuación, el valor 2 al inmediato inferior etc., que atribuir el valor 1 al sujeto con
mínima puntuación, el 2 al inmediato superior etc. El valor de r s será el mismo en uno u otro caso
10.00 

rango nivel de lectura
8.00
6.00 
4.00 
2.00 
2.00 4.00 6.00 8.00 10.00
rango nivel de conducta

Relación aproximada lineal entre los rangos
ASOCIACION DE DOS VARIABLES MEDIDAS EN ESCALA RAZÓN
a) Coeficiente de correlación lineal producto momento de Pearson: r (existencia, magnitud,

dirección, forma)
r=S xy / S xS y -1 ≤ r ≤ 1
donde
S xy es la covarianza de X e Y
S x y S y son las desviaciones estándar de X y de Y, respectivamente.
EJEMPLO 4:
Con los datos de las variables X e Y de la tabla anterior, vamos a calcular el valor del coeficiente de
correlación lineal. Para tal efecto, agregaremos columnas a la tabla 13 con los cálculos necesarios.
TABLA N° 14
X Y XY X^2 Y^2
2.7 40 108 7.29 1600
2.2 14 30.8 4.84 196
2.3 18 41.4 5.29 324
2.6 20 52 6.76 400
3.1 22 68.2 9.61 484
3.4 36 122.4 11.56 1296
1.9 17 32.3 3.61 289
2.1 13 27.3 4.41 169
2.4 39 93.6 5.76 1521
3.9 19 74.1 15.21 361
26.6 238 650.1 74.34 6640
media de X 2.66 media de Y 23.8
varianza de X 0.3584 Varianza de Y 97.56
desvest X 0.598665182 desvest Y 9.87724658
COV(X,Y) 1.702 COEF. DE CORREL. 0.287832387
Se puede decir que entre X e Y no hay relación lineal.

puntuac.nivel de lectura
3.50

3.00


2.50




2.00

20.00 30.00 40.00
puntuac.conducta en clase
No se aprecia relación lineal entre las puntuaciones de
XeY
Los gráficos siguientes son diagramas de dispersión que muestran la existencia, el grado
y la dirección de la relación entre dos variable, y que se miden con el coeficiente de
correlación lineal.
b) Coeficiente de determinación R 2
Por ahora lo podemos definir como R 2 = r 2
Nos indica la proporción de variabilidad de una variable explicada por el conocimiento que se
posee del valor de la otra variable y se acostumbra expresarse en porcentaje.
En el ejemplo, el 28.78 % de la variabilidad de las puntuaciones del nivel de lectura es explicado

por el conocimiento que se tienen de la variabilidad de las puntuaciones del nivel de conducta en
clase.
I. ACTIVIDAD APLICATIVA Nº 7
Analizar la asociación existente entre las variables del proyecto de investigación

descriptivo correlacional.
IV.
II. LABORATORIO Nº 7
a. Usar las Bases de datos elegidas por cada grupo y realizar el análisis de
asociación de las variables medidas en escala ordinall.
b. En el aula crear una 4ta guía de Laboratorio sobre indicadores de

asociación de las variables bivariadas medidas en escala ordinal
conjuntamente con los estudiantes usando programas estadísticos o Excel.
Bibliografía
Amón, J. (1985). Estadística para Psicólogos. Estadística descriptiva. Tomo 1.

Ediciones Pirámide S. A. Madrid, 7ª Edición.
Babbie E. (1998) Métodos de Investigación por Encuestas. Ed. Fondo de

Cultura Económica.
Fernández, S., Cordero, J. y Córdova, A. (1996). Estadística Descriptiva.

Editorial ESIC, Madrid.
Gómez, D. (2006). Estadística Descriptiva con soporte de SPSS y

MATLAB. Fondo Editorial de la UNMSM. Lima- Perú.
Hernández S., Fernández C. y Baptista L. (2014). Metodología de la

Investigación. (5ta.edic) Mc Graw Hill.
Jhonson, R, Kuby (1999). Estadística Elemental. International Editores.
Levin, R. y Rubin, D. (2004). Estadística para Administración y Economía.

Pearson Educación. México.
Lind, Marchal, Wathen (2008). Estadística aplicada a los negocios y la

economía. Mc Graw Hill.
Milton, S. (2002). Estadística para Biología y Ciencias de la Salud. Editorial Mc

Graw Hill
Mitacc, M. (2011). Tópicos de Estadística Descriptiva y Probabilidad
Pagano, R. (2008). Estadística para las Ciencias del Comportamiento.

International Thomson Editores.
Solanas, A. y otros (2005). Estadística Descriptiva en Ciencias del

Comportamiento. Editorial Thomson-España.
Veliz, C. (2000). Estadística Aplicaciones.
Ya-Lun Chou, (1975). Análisis Estadístico. Interamericana, 2ª Edición
Tukey, H y Mosteller. Understanding Robustand Exploratory-Data Analysis.

Sesion 7

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Sesion 7

Cargado por

Copyright:

Formatos disponibles

Qwertyuiopasdfghjklzxcvbnmqwertyu

Universidad Nacional Mayor de San Marcos

Unidad Temática II: Relación o Asociación entre dos variables.

Karl Pearson, científico, matemático,

Sesión de Aprendizaje 7: Medidas de asociación de dos

1. Análisis de asociación de dos variables medidas en escala ordinal.

Indicadores de asociación para variables categóricas medidas en

Aplicar las medidas de asociación estudiadas a datos reales y a la

MEDIDAS DE ASOCIACIÓN PARA VARIABLES BIDIMENSIONALES (X ,Y):

ANÁLISIS DE ASOCIACIÓN DE DOS VARIABLES MEDIDAS EN ESCALA ORDINAL:

Dada esta característica es posible observar la existencia o no de asociación en el

Cuando se considera la ordenación de individuos en dos variables X e Y , es posible determinar

x 1 es inferior a x 2 y y 1 es x 1 es superior a x 2 y y 1 es Dos pares son empatados

Dos pares son

Profesores: Mg. Ana

D: Número total de pares discordantes.

E: Número total de pares empatados

E: Número total de pares empatados

c i j : frecuencia total de casos concordantes

d i j : frecuencia total de casos discordantes

En un estudio realizado sobre el pandillaje en el asentamiento humano del distrito de Comas, se

Ingresos Alto Medio Bajo Total

Alto 45S 23 12d 80

Total 104 53 64 221

a) Cálculo del número total de pares concordantes ( C ):

C = Σ i Σ j f i j c i j donde c i j = Σ k>i Σ l>j f kl

c 11 = Σ k>1 Σ l >1 f kl = Σ k=2, 3 Σ l=2, 3 f kl = f 22+ f 23+ f 32+ f33 = 11+18+19+34=82

Vamos a observarlo gráficamente.

c 12 = Σ k>1 Σ l >2 f kl = Σ k=2, 3 Σ l= 3 f kl = f 23+ f 33 = 18+34= 52

f12 c 12 = 23*(18+34 )= 1196

c 13 = Σ k>1 Σ l >3 f kl = Σ k=2, 3 Σ l=4 f kl = 0

c 21 = Σ k>2 Σ l >1 f kl = Σ k= 3 Σ l=2, 3 f kl = f 32+ f 33 = 19+34= 53

f21 c 21 = 37*(19+34 )=1961

c 22 = Σ k>2 Σ l >2 f kl = Σ k= 3 Σ l= 3 f kl = f33 = 34

Luego, el número total de pares concordantes C = Σ i Σ j f i j c i j = 3690+1196+0 +1961+374 =7221

b) Cálculo del número total de pares discordantes (D)

D = Σ i Σ j f i j d i j donde d i j = Σ k> i Σ l < j f kl

Luego, el número total de pares discordantes D = Σ i Σ j f i j d i j = 1068+1357+738+242=3405

c) Cálculo de pares empatados (Ey):

f 11 * (f21 +f31) + f21* f31= 45*(37+22) + 37 + 22 =2655 + 814 = 3469

f 12 * ( f 22 + f 23 ) + f22 * f23 = 23*(11+19) + 11 * 19 =690 + 209 = 899

f 13 * (f 23 + f33) + f 23 * f 33 = 12*(18+34) + 18 * 34= 624+ 612 = 1236

Ey = 3469 + 899 + 1236 = 5604

d) Cálculo de pares empatados (Ex):

f 11 *( f 12 +f 13) + f 12 *f 13) = 45*(23+12) + 23 * 12 =1575 + 276 = 1851

f 21 *( f 22 + f 23) + f22 * f 23= 37*(11+18) + 11 *18 =1073 + 198 = 1271

f 31 *( f 32 + f 33) + f32 * f 33= 22*(19+34) + 19*34 =1166+ 646 = 1812

Ex = 1851 + 1271 + 1812 = 4934

45 x (45 – 1) / 2 = 990 37 x (37 – 1) / 2 = 666 22 x (22 – 1) / 2 = 231

23 x (23 – 1) / 2 = 253 11 x (11 – 1) / 2 = 55 19 x (19 – 1) / 2 = 171

12 x (12 – 1) / 2 = 66 18 x (18 – 1) / 2 = 153 34 x (34 – 1) / 2 = 561

Exy = 990 + 666 + 231 + 253 + 55 + 171 + 66 + 153 + 561 = 3146

Verificando:C +D +Ex +Ey + E xy = 7221 + 3505 + 4934 + 5604 + 3146 = 24310

Estamos ya en condiciones de aplicar coeficientes de asociación para determinar el grado de

a) El estadístico a usar es “Gamma” de Goodman y Kruskall ( 1979) para el caso simétrico:

(existencia, magnitud, dirección)

Si D = 0 → γ = 1 (cuando todos los pares son concordantes)

y si C = 0 → γ = -1 (cuando todos los pares son discordantes)

Cuando γ = 0 hay ausencia de relación

γ = 1 existe relación positiva perfecta

γ = -1 existe relación negativa perfecta

Para el ejemplo tenemos:

b) Coeficiente Tau–b de Kendall

f 12 * ( f 22 + f 23 ) + f22 * f23 = 23(11+19) + 11 19 =690 + 209 = 899

f 13 * (f 23 + f33) + f 23 * f 33 = 12(18+34) + 18 34= 624+ 612 = 1236

f 11 ( f 12 +f 13) + f 12 f 13) = 45(23+12) + 23 12 =1575 + 276 = 1851

f 21 ( f 22 + f 23) + f22 f 23= 37(11+18) + 11 18 =1073 + 198 = 1271

f 31 ( f 32 + f 33) + f32 f 33= 22(19+34) + 1934 =1166+ 646 = 1812