Tema 1: Estadística Descriptiva

Variables estadísticas unidimensionales

Variable estadística: característica objeto de estudio.

Población: conjunto de individuos sobre el que se realizará el estudio.

Muestra: subconjunto de la población.

Cualitativa: característica no numérica COLOR DE OJOS

Variable estadística
Discreta: toma valores enteros NÚMERO DE HERMANOS
Cuantitativa: característica numérica
Continua: puede tomar cualquier valor dentro de un intervalo
(o unión de intervalos) PESO DE LAS NARANJAS DE UN ÁRBOL

Carmen Cortés Parejo

 Tema 1: Estadística Descriptiva

Variables estadísticas unidimensionales

𝑋 ≡ variable estadística que toma valores 𝑥1 , … , 𝑥𝑘 (distintos) Muestra de 𝑛 datos

 Frecuencia absoluta de 𝑥𝑖 : nº de veces que se repite ese dato. 𝑛𝑖

𝑛𝑖
 Frecuencia relativa de 𝑥𝑖 : frecuencia absoluta divida por el nº total de datos 𝑓𝑖 = 𝑛

 Frecuencia absoluta acumulada de 𝑥𝑖 : suma de las frecuencias absolutas de los datos inferiores o iguales a 𝑥𝑖 , una vez
ordenados los datos en forma creciente. 𝑁𝑖

 Frecuencia relativa acumulada de 𝑥𝑖 : suma de las frecuencias relativas de los datos inferiores o iguales a 𝑥𝑖 , una vez
ordenados los datos en forma creciente. 𝐹𝑖

Carmen Cortés Parejo

 Tema 1: Estadística Descriptiva
TABLA DE FRECUENCIAS PARA VARIABLES DISCRETAS: Variables estadísticas unidimensionales

𝑋 ≡ Número de personas que habitan en viviendas de un barrio de Sevilla

1 5 2 2 3 6 2 2 4 3 4 4 3 2 2 4 1 2 5 4 𝑋 toma valores distintos 1,2,3,4,5,6 𝑛 ≡ 20

Datos 𝑛𝑖 𝑓𝑖 % 𝑁𝑖 𝐹𝑖
𝑥1 = 1 2 2 10% 2 0,1
=0,1
20
𝑥2 = 2 7 7 35% 9 0,45
=0,35
20
𝑥3 = 3 3 3 15% 12 0,6
=0,15
20
𝑥4 = 4 5 5 25% 17 0,85
=0,25
20
𝑥5 = 5 2 2 10% 19 0,95
=0,1
20
𝑥6 = 6 1 1 5% n=20 1
=0,05
20
Σ n=20 1 100%

Carmen Cortés Parejo

 Tema 1: Estadística Descriptiva
TABLA DE FRECUENCIAS PARA VARIABLES CONTINUAS
(O DISCRETAS CON UN ALTO NÚMERO DE DATOS DIFERENTES): Variables estadísticas unidimensionales

𝑋 ≡ altura de los alumnos de una clase en cm. 𝑋 toma MUCHOS valores distintos 𝑛 ≡ 25
183 164 159 176 173 168 155 168 162 161 172 174 178 184 160 181 165 167 163 172 178 161 158 170 179

165 170 175 180 185 AGRUPACIÓN DE DATOS EN INTERVALOS

160
[ 161

)[ )[ )  Se elige un intervalo semiabierto que

contenga a todos los datos del conjunto
Dato más pequeño 155 184 Dato más grande inicial: [155,185)

 Se divide el intervalo en subintervalos

Intervalos Datos 𝑛𝑖 𝑓𝑖 % 𝑁𝑖 𝐹𝑖 semiabiertos de la misma amplitud:
(marca de [155,165), [165,175), [175,185)
clase)
9
 Se toman como nuevos datos las MARCAS
[155,165) 𝑥1 = 160 9 =0,36 36% 9 0,36 DE CLASE (puntos medios de los subintervalos):
25
9 𝑥1 = 160, 𝑥2 = 170, 𝑥3 = 180
[165,175) 𝑥2 = 170 9 =0,36 36% 18 0,72
25
[175,185) 𝑥3 = 180 7 7 28% 25 1  Se toman como frecuencias absolutas el
=0,28
25 número de datos iniciales que han caído
Σ n=25 1 100% en los correspondientes subintervalos.

Carmen Cortés Parejo

 Tema 1: Estadística Descriptiva

Variables estadísticas unidimensionales

Ejercicio 1.3

https://www.superprof.es/apuntes/escolar/matematicas/estadistica/descriptiva/ejercicios-interactivos-de-tablas-estadisticas.html

https://www.superprof.es/apuntes/escolar/matematicas/estadistica/descriptiva/ejercicios-de-frecuencias.html

Carmen Cortés Parejo

REPRESENTACIONES GRÁFICAS : Tema 1: Estadística Descriptiva

Variables estadísticas unidimensionales

VARIABLES CUALITATIVAS

Número
𝑓𝑖 en DIAGRAMA DE SECTORES
Deporte Alumnos Grados
porcentajes
(𝑛𝑖 )
Atletismo
Fútbol 65 21,6% 77,76º Natación

Atletismo 58 19,3% 69,48º Fútbol Pictograma de

Baloncesto
Baloncesto 39 13% 46,8º
repetición
Otros Voley
Natación 36 12% 43,2º
Gimnasia 33 11% 39,6º Tenis Gimnasia

Tenis 19 6,3% 22,68º Rugby PICTOGRAMAS

Voley 19 6,3% 22,68º
0-19 años
Rugby 10 3,3% 11,88º 34.1%
(Jóvenes)
Otros 21 7% 25,2º
20-64 años
Σ 300 59% Pictograma de
(Adultos)
amplificación
Preferencias deportivas de 300 alumnos + 64 años
6.9%
(Mayores)

Carmen Cortés Parejo

REPRESENTACIONES GRÁFICAS : Tema 1: Estadística Descriptiva

Variables estadísticas unidimensionales

VARIABLES CUANTITATIVAS DISCRETAS

Distribución del número de hermanos de una muestra de 500 alumnos de la ETSIA

Nº Hermanos 0 1 2 3 4 5 6 Más de 6

Frecuencia 72 155 97 81 30 27 20 18

DIAGRAMA DE BARRAS POLÍGONO DE FRECUENCIAS

Carmen Cortés Parejo

REPRESENTACIONES GRÁFICAS : Tema 1: Estadística Descriptiva

Variables estadísticas unidimensionales

VARIABLES CUANTITATIVAS CONTINUAS

Distribución del peso de una

muestra de 500 personas

Peso en HISTOGRAMA
Frecuencia
Kg
<45 1
[45,50) 3
[50,55) 12
[55,60) 75
[60,65) 103
[65,70) 155
[70,75) 101
[75,80) 29 POLÍGONO DE
[80,85) 11 FRECUENCIAS
[85,90) 8
>90 2

Carmen Cortés Parejo

 Tema 1: Estadística Descriptiva

Variables estadísticas unidimensionales

https://www.superprof.es/apuntes/escolar/matematicas/estadistica/descriptiva/ejercicios-interactivos-de-diagramas-de-barras-y-poligonos-de-
frecuencias.html

https://www.superprof.es/apuntes/escolar/matematicas/estadistica/descriptiva/ejercicios-interactivos-de-diagramas-de-sectores.html

Carmen Cortés Parejo

 Tema 1: Estadística Descriptiva
1.) MEDIDAS DE TENDENCIA CENTRAL DE UNA MUESTRA:
Variables estadísticas unidimensionales
Nos dan una idea del valor en torno al cual se agrupan los datos.

Muestra de tamaño 𝑛 con 𝑘 valores distintos {𝑥1 , … , 𝑥𝑘 } Frecuencias absolutas 𝑛1 , … , 𝑛𝑘 siendo Σ𝑛𝑖 = 𝑛

Muestra de tamaño 𝑛 = 20 (personas que habitan en

Media aritmética 𝑥ҧ
viviendas de un barrio de Sevilla) con 𝑘 = 6 valores
distintos 1,2,3,4,5,6 .
𝑥1 𝑛1 + ⋯ + 𝑥𝑘 𝑛𝑘 σ𝑘𝑖=1 𝑥𝑖 𝑛𝑖
𝑥ҧ = = 1 5 2 2 3 6 2 2 4 3 4 4 3 2 2 4 1 2 5 4
𝑛 𝑛
Datos 𝑥1 = 1 𝑥2 = 2 𝑥3 = 3 𝑥4 = 4 𝑥5 = 5 𝑥6 = 6
Mediana 𝑀 𝑛𝑖 2 7 3 5 2 1
Valor que ocupa la posición central (o media 𝑁𝑖 2 9 12 17 19 20
de los dos valores centrales si 𝑛 es par) una
vez que los datos se han ordenado de forma
1∙2+2∙7+3∙3+4∙5+5∙2+6∙1
creciente y repetidos tantas veces como 𝑥ҧ = = 3,05
indique su frecuencia. 20

1 1 2 2 2 2 2 2 2 3 3 3 4 4 4 4 4 5 5 6
Moda 𝑀𝑜 3+3
Dato con mayor frecuencia absoluta (el que 𝑀= =3
más se repite). Puede haber varias modas. 2
𝑀𝑜 = 2
Carmen Cortés Parejo
 Tema 1: Estadística Descriptiva

Variables estadísticas unidimensionales

Ejercicios sobre media, mediana y moda

https://www.superprof.es/apuntes/escolar/matematicas/estadistica/descriptiva/ejercicios-interactivos-de-la-media-aritmetica.html

https://www.superprof.es/apuntes/escolar/matematicas/estadistica/descriptiva/ejercicios-interactivos-de-la-mediana.html

https://www.superprof.es/apuntes/escolar/matematicas/estadistica/descriptiva/ejercicios-interactivos-de-la-moda.html

Carmen Cortés Parejo

 Tema 1: Estadística Descriptiva

Variables estadísticas unidimensionales

La media aritmética, por sí sola, puede dar una idea errónea de la distribución de los datos, como podemos ver en este ejemplo:

Muestra de tamaño 𝑛 = 100 con 𝑘 = 2 valores distintos {𝑥1 = 1, 𝑥2 = 106 } Frecuencias absolutas 𝑛1 = 99, 𝑛2 = 1

1 ∙ 99 + 106 ∙ 1
𝑥ҧ = = 10.000,99 ~ 104
1 𝑥~10
ҧ 4
106 100
1

2.) MEDIDAS DE DISPERSIÓN DE UNA MUESTRA:

Nos dan una idea de la diseminación de los datos con respecto a los valores centrales.

Muestra de tamaño 𝑛 con 𝑘 valores distintos {𝑥1 , … , 𝑥𝑘 } Frecuencias absolutas 𝑛1 , … , 𝑛𝑘 siendo Σ𝑛𝑖 = 𝑛

Rango: Diferencia entre el mayor y el menor valor de la muestra.

Varianza: 𝑠 2 Desviación típica: 𝑠

2 𝑛 + ⋯ + (𝑥 −𝑥) 2𝑛 𝑘 2𝑛 𝑘 2
2
(𝑥1 − 𝑥)
ҧ 1 𝑘 ҧ 𝑘 σ𝑖=1(𝑥𝑖 −𝑥)
ҧ 𝑖 σ𝑖=1 𝑥𝑖 𝑛𝑖 𝑠= 𝑠2
𝑠 = = =⋯= − 𝑥ҧ 2
𝑛 𝑛 𝑛 Carmen Cortés Parejo
 Tema 1: Estadística Descriptiva

Variables estadísticas unidimensionales

Cuasi varianza: 𝑠Ƹ 2
2 𝑛 + ⋯ + (𝑥 −𝑥) 2𝑛 𝑘 2𝑛
(𝑥1 −𝑥)
ҧ 1 𝑘 ҧ 𝑘 σ𝑖=1(𝑥𝑖 −𝑥)
ҧ 𝑖 𝑛
𝑠Ƹ 2 = = 𝑠Ƹ 2 = 𝑠2
𝑛−1 𝑛−1 𝑛−1

Cuasi desviación típica: 𝑠Ƹ

𝑠Ƹ = 𝑠Ƹ 2

Carmen Cortés Parejo

 Tema 1: Estadística Descriptiva

Variables estadísticas unidimensionales

Datos 𝒏𝒊 𝒇𝒊 𝑵𝒊 𝑭𝒊 𝒙𝒊 𝒏𝒊 𝒙𝟐𝒊 𝒙𝟐𝒊 𝒏𝒊
𝒙𝒊
1 2 0,08 2 0,08 2 1 2
2 12 0,48 14 0,56 24 4 48
3 8 0,32 22 0,88 24 9 72
4 3 0,12 25 1 12 16 48
Σ 25 1 62 170

Media: Mediana: hay un número impar de datos, 25, por lo que la mediana es el dato
que ocupa el lugar central: 𝑀 = 2
σ𝑘𝑖=1 𝑥𝑖 𝑛𝑖 62
𝑥ҧ = = = 2,48
𝑛 25 Moda: 𝑀𝑜 = 2

Varianza: Desviación típica:

𝑘 2
2
σ𝑖=1 𝑥𝑖 𝑛𝑖 2
170 2
𝑠 = − 𝑥ҧ = − 2,48 = 0,6496 𝑠= 𝑠2 = 0,6496 = 0,8059
𝑛 25

https://www.superprof.es/apuntes/escolar/matematicas/estadistica/descriptiva/ejercicio-interactivo-de-estadistica.html Carmen Cortés Parejo

 Tema 1: Estadística Descriptiva

Variables estadísticas unidimensionales

Ejercicios sobre varianza y desviación típica

Sólo varianza

https://www.superprof.es/apuntes/escolar/matematicas/estadistica/descriptiva/ejercicios-interactivos-de-la-varianza.html

Sólo desviación típica

https://www.superprof.es/apuntes/escolar/matematicas/estadistica/descriptiva/ejercicios-interactivos-de-la-desviacion-tipica.html

Varianza y desviación típica

https://www.superprof.es/apuntes/escolar/matematicas/estadistica/descriptiva/ejercicios-de-desviacion-tipica.html

https://www.superprof.es/apuntes/escolar/matematicas/estadistica/descriptiva/ejercicios-y-problemas-de-la-varianza.html

Carmen Cortés Parejo

 Tema 1: Estadística Descriptiva

Variables estadísticas unidimensionales

TRANSFORMACIONES LINEALES DE DATOS:
Si a partir de una muestra 𝑥1 , … , 𝑥𝑘 se construye otra 𝑦1 , … , 𝑦𝑘 , siendo 𝑦𝑖 = 𝑎𝑥𝑖 + 𝑏 con 𝑎, 𝑏 ∈ ℝ, entonces:
 𝑦ത = 𝑎𝑥ҧ + 𝑏
 𝑠𝑦2 = 𝑎2 𝑠𝑥2 , donde 𝑠𝑦2 (resp. 𝑠𝑥2 ) es la varianza de los 𝑦𝑖 (resp. de los 𝑥𝑖 ).

3.) PERCENTILES (Y CUARTILES):

El percentil 𝛼, 𝑃𝛼 , de un conjunto ordenado de datos y repetidos tantas veces como indique su frecuencia, es el valor que
es mayor o igual que el 𝛼% de los datos.
• Los percentiles 25, 50 y 75 (𝑃25 , 𝑃50 𝑦𝑃75 ) se denominan, respectivamente, primer, segundo y tercer cuartil y se les
denota por 𝑄1 = 𝑃25 , 𝑄2 = 𝑃50 y 𝑄3 = 𝑃75 .
• Los cuartiles dividen al conjunto total de datos en cuatro subconjuntos, cada de los cuales conteniendo al 25% de los
datos.
• Observar que 𝑄2 = 𝑃50 = 𝑀𝑒. 𝑄1 = 𝑃25 𝑀𝑒 = 𝑄2 = 𝑃50 𝑄3 = 𝑃75

25% 25% 25% 25%

[ 42% 58%
]
𝑃42 Carmen Cortés Parejo
 Tema 1: Estadística Descriptiva
CÁLCULO DEL PERCENTIL 𝜶: Variables estadísticas unidimensionales

Muestra de tamaño 𝑛 ordenados de forma creciente y repetidos tantas veces como indique su frecuencia.

𝛼𝑛
1) Hallar el 𝛼% de los datos: = 𝐸 + 𝐷, siendo E ≡ parte entera y 𝐷 ≡ parte decimal.
100

2) Si 𝐷 ≠ 0, entonces 𝑃𝛼 es el dato que ocupa el lugar 𝐸 + 1.

3) Si 𝐷 = 0, entonces 𝑃𝛼 es la media aritmética de los datos que ocupan los lugares 𝐸 y 𝐸 + 1.

23∙25
𝑃23 23% de los datos: = 5,75 = 5 + 0,75 ⟹ 𝑃23 es el dato que ocupa
100

el lugar 6º (5+1) ⟹ 𝑃23 = 2

Datos 𝒏𝒊 𝑵𝒊
56∙25
𝒙𝒊 𝑃56 56% de los datos: = 14 ⟹ 𝑃56 es la media aritmética de los datos
100
1 2 2
2+3
que ocupan los lugares 14 y 15 ⟹ 𝑃56 = = 2,5 (observar que en este
2 12 14 2

3 8 22 caso el percentil no es un dato de la muestra).

4 3 25
Σ 25 Ejercicios 1.6, 1.7 Carmen Cortés Parejo
 Tema 1: Estadística Descriptiva

Variables estadísticas unidimensionales

4.) MEDIDAS DE COMPARACIÓN: UNIDADES TIPIFICADAS

Sirven para comparar datos de diferentes muestras.

𝑋−𝑥ҧ
Dada una variable estadística 𝑋 y 𝑥1 , … , 𝑥𝑘 una muestra, se define la variable tipificada de 𝑋 como 𝑍 = , siendo 𝑥ҧ y 𝑠 la
𝑠
media y la desviación típica de dicha muestra.

𝑥1 −𝑥ҧ 𝑥𝑘 −𝑥ҧ
𝑍 toma valores 𝑧1 = , … , 𝑧𝑘 = .
𝑠 𝑠

A 𝑧1 , … , 𝑧𝑘 se les llama valores tipificados de la muestra 𝑥1 , … , 𝑥𝑘 .

El valor tipificado 𝑧𝑖 indica cuántas desviaciones típicas se desvía (por encima o por debajo) el dato 𝑥𝑖 de la media 𝑥.ҧ

Carmen Cortés Parejo

 Tema 1: Estadística Descriptiva

Variables estadísticas unidimensionales

Un alumno saca un 5,5 en el examen de Matemáticas I y un 7 en el de Matemáticas II. Sabiendo que en el examen de
Matemáticas I la media de la clase ha sido de 4,5 con una desviación típica de 0,5 y que en Matemáticas II la media
ha sido de 5 con una desviación típica de 2,25, ¿en que examen sacó mejor nota, en comparación con el resto de
alumnos de la clase?

Matemáticas I Matemáticas II 𝑠
Nota alumno 5,5 7 𝑀𝑎𝑡𝑒𝑚á𝑡𝑖𝑐𝑎𝑠 𝐼
2
Media examen 4,5 5
1
Desviación típica examen 0,5 2,25 𝑀𝑎𝑡𝑒𝑚á𝑡𝑖𝑐𝑎𝑠 𝐼𝐼
𝑥ҧ
Notas tipificadas 5,5 − 4,5 7−5
=2 = 0,8
0,5 2,25

Carmen Cortés Parejo

 Tema 1: Estadística Descriptiva

Variables estadísticas unidimensionales

Carmen Cortés Parejo

 Tema 1: Estadística Descriptiva

Variables estadísticas unidimensionales

Carmen Cortés Parejo

 Tema 1: Estadística Descriptiva

Variables estadísticas bidimensionales

ESTUDIO CONJUNTO DE DOS VARIABLES

𝑋 ≡ 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑎 𝑞𝑢𝑒 𝑡𝑜𝑚𝑎 𝑣𝑎𝑙𝑜𝑟𝑒s 𝑥1 , 𝑥2 , 𝑥3 … 𝑋 ≡ 𝐴𝑙𝑡𝑢𝑟𝑎

𝑌 ≡ 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑎 𝑞𝑢𝑒 𝑡𝑜𝑚𝑎 𝑣𝑎𝑙𝑜𝑟𝑒s 𝑦1 , 𝑦2 , 𝑦3 … 𝑌 ≡ 𝑃𝑒𝑠𝑜

𝑋, 𝑌 ≡ 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑎 𝑏𝑖𝑑𝑖𝑚𝑒𝑛𝑠𝑖𝑜𝑛𝑎𝑙 𝑞𝑢𝑒 𝑡𝑜𝑚𝑎 𝑣𝑎𝑙𝑜𝑟𝑒s (𝑥1 , 𝑦1 ), (𝑥2 , 𝑦2 ), (𝑥3 , 𝑦3 ) … (𝑋, 𝑌) ≡ (𝐴𝑙𝑡𝑢𝑟𝑎, 𝑃𝑒𝑠𝑜)

DIAGRAMA DE DISPERSIÓN: representación gráfica de los pares de datos

Peso (Kg)

Altura (cm)
Carmen Cortés Parejo
 Tema 1: Estadística Descriptiva

Variables estadísticas bidimensionales

Muestra de tamaño 𝑛 de una variable bidimensional (𝑋, 𝑌) con 𝑘 valores distintos {(𝑥1 , 𝑦1 ), … , (𝑥𝑘 , 𝑦𝑘 )}

Frecuencias absolutas 𝑛1 , … , 𝑛𝑘 siendo Σ𝑛𝑖 = 𝑛 (𝑛𝑖 es la frecuencia absoluta del dato (𝑥𝑖 , 𝑦𝑖 ))

Covarianza: 𝑠𝑥𝑦

(𝑥1 − 𝑥)(𝑦
ҧ 1 − 𝑦)𝑛
ത 1 + ⋯ + (𝑥𝑘 − 𝑥)(𝑦 ത 𝑘 σ𝑘𝑖=1(𝑥𝑖 − 𝑥)(𝑦
ҧ 𝑘 − 𝑦)𝑛 ҧ 𝑖 − 𝑦)𝑛
ത 𝑖 σ𝑘𝑖=1 𝑥𝑖 𝑦𝑖 𝑛𝑖
𝑠𝑥𝑦 = = =⋯= − 𝑥ҧ 𝑦ത
𝑛 𝑛 𝑛

Cuasi Covarianza: 𝑠Ƹ𝑥𝑦

(𝑥1 − 𝑥)(𝑦
ҧ 1 − 𝑦)𝑛
ത 1 + ⋯ + (𝑥𝑘 − 𝑥)(𝑦 ത 𝑘 σ𝑘𝑖=1(𝑥𝑖 − 𝑥)(𝑦
ҧ 𝑘 − 𝑦)𝑛 ҧ 𝑖 − 𝑦)𝑛
ത 𝑖
𝑠𝑥𝑦 = =
𝑛−1 𝑛−1

Coeficiente de correlación lineal o de Pearson: 𝑟

𝑠𝑥𝑦
𝑟= mide la posible relación lineal entre las variables 𝑋 e 𝑌
𝑠𝑥 𝑠𝑦

Carmen Cortés Parejo

 Tema 1: Estadística Descriptiva

Variables estadísticas bidimensionales

PROPIEDADES DEL COEFICIENTE DE CORRELACIÓN:

1) 𝑟 está comprendido entre −1 y 1.

2) Los valores −1 y 1 se dan cuando los puntos están alineados.
3) Si 𝑟 está cercano a −1 ó 1, existe una fuerte relación lineal entre las variables.
4) Si 𝑟 está cercano a 0, existe una débil relación lineal entre las variables.
5) 𝑟 y 𝑠𝑥𝑦 tienen el mismo signo.
• Si 𝑟 > 0 (equiv. 𝑠𝑥𝑦 > 0), 𝑋 e 𝑌 tienen una relación directa o creciente (en general, al aumentar los valores de 𝑋,
también aumentan los de 𝑌).
• Si 𝑟 < 0 (equiv. 𝑠𝑥𝑦 < 0), 𝑋 e 𝑌 tienen una relación indirecta o decreciente (en general, al aumentar los valores
de 𝑋, disminuyen los de 𝑌).

Carmen Cortés Parejo

RECTAS DE REGRESIÓN:
De 𝑌 sobre 𝑋: se utiliza cuando conocemos De 𝑌 sobre 𝑋: se utiliza cuando conocemos
un valor de 𝑋 y queremos predecir 𝑌. un valor de 𝑌 y queremos predecir 𝑋.

𝑠𝑥𝑦 𝑠𝑥𝑦
𝑦 − 𝑦ത = 2 (𝑥 − 𝑥)
ҧ 𝑥 − 𝑥ҧ = (𝑦 − 𝑦)
ത
𝑠𝑥 𝑠𝑦2

PROPIEDADES:
1) El punto (𝑥,ҧ 𝑦)
ത está en ambas rectas de regresión.
𝑠𝑥𝑦
2) 𝑠𝑥2
es la pendiente de la recta de regresión de 𝑌 sobre 𝑋.

𝑠𝑥𝑦
3) es la inversa de la pendiente de la recta de regresión de 𝑋 sobre Y.
𝑠𝑦2

2 2
𝑠𝑥𝑦 𝑠𝑥𝑦 𝑠𝑥𝑦 𝑠𝑥𝑦
4) ∙ = 𝑠2𝑠2 = = 𝑟2
𝑠𝑥2 𝑠𝑦2 𝑥 𝑦 𝑠𝑥 ∙𝑠𝑦
 Tema 1: Estadística Descriptiva

Variables estadísticas bidimensionales

https://www.superprof.es/apuntes/escolar/matematicas/estadistica/disbidimension/ejercicios-de-regresion-y-correlacion.html

https://www.superprof.es/apuntes/escolar/matematicas/estadistica/disbidimension/ejercicios-de-correlacion-y-regresion.html

Ejercicios 1.30, 1.22, 1.21

Carmen Cortés Parejo