DISTRIBUCIONES CONDICIONADAS

Para un valor en particular de una de las variables por ejemplo, el valor de xi de la para la variable X. como se
distribuye la variable Y en el caso de que X tome el valor xi.
Es decir, en una distribución conjunta de dos variable X e Y
Ejemplo 9: Los datos obtenidos al estudia las variables X = “Número de goles marcados” e Y=“Número de goles
recibidos”, en 40 partidos jugados por el equipo campeón de la liga de futsal son:
(5 , 4) (4 , 2) (6 , 3) (4 , 4) (3 , 2) (6 , 4) (3 , 1) (4 , 2) (4 , 2) (6 , 4)
(4 , 2) (5 , 3) (3 , 1) (2 , 2) (4 , 3) (3 , 1) (4 , 2) (5 , 3) (5 , 3) (4 , 2)
(3 , 3) (1 , 1) (4 , 2) (5 , 3) (3 , 2) (5 , 3) (6 , 4) (4 , 2) (5 , 3) (2 , 1)
(3 , 2) (6 , 4) (5 , 3) (4 , 2) (4 , 2) (3 , 3) (3 , 1) (2 , 2) (6 , 4) (5 , 3)

Variable Y f(Y/X=2)
1 1
2 2
3 0
4 0
Variable X f(X/Y=3)
1 0
2 0
3 2
4 1
5 8
6 1
Ejemplo 10: En una clase compuesta por 30 alumnos, se ha hechos un estudio sobre el numero horas diarias de estudio
X y el numero de suspensos Y, obteniéndose los siguientes resultados:

Variable Y f(Y/X=2)
0 2 Variable X f(Y/Y=4)
1 8 0 1
2 5
1 1
3 0
2 1
4 1
5 0 3 0
4 0
Correlación
La correlación existe entre dos variables cuando una de ellas se relaciona con la otra de alguna manera.

Diagrama de dispersión
Es una grafica en la que datos muestrales
apareados (x, y), se grafica en un eje x horizontal
y un eje y vertical. Cada par individual (x, y) se
grafica como un solo punto
Coeficiente de correlación lineal
El coeficiente de correlación lineal r, mide la fuerza de la
relación lineal entre valores cuantitativos apareado x y y en
una muestra
Ejemplo 11: Con los datos que se presentan a continuación calcule el valor del coeficiente de correlación lineal r

1 2 2 1 4
1 8 8 1 64
3 6 18 9 36
5 4 20 25 16
∑ 10 20 48 36 120
Propiedades del coeficiente de correlación lineal r

✓ El valor de r esta siempre entre -1 y +1

✓ El valor de r no cambia si todos los valores de cualquier variable se convierten a una escala diferente.
✓ El valor de r no se afecta por la elección de x o y
✓ R mide la fuerza de una relación lineal. No se diseño para medir la fuerza de una relación que no sea lineal

1 2 2 1 4
1 8 8 1 64
3 6 18 9 36
5 4 20 25 16
∑ 10 20 48 36 120
Regresión Lineal
Con el análisis se pretende determinar la curva que mejora
sea aproxima un diagrama de dispersión, a esto se llama
regresión.
Es fácil hallar una recta que se ajuste aproximadamente a una
distribución. Basta con dibujar la que a simple vista nos parezca
más representativa de la nube de puntos. Sin embargo, éste es
un método subjetivo. Para evitar este problema se considera
algún criterio que permita determinar objetivamente la recta que
se ajusta mejor a la distribución. Estas rectas se determinan
haciendo que se cumplan las siguientes condiciones:
a) Tienen que pasar por el centro de gravedad ҧ , ത
b) La sumas de los cuadrados de las distancias σ 𝑑 , debe ser
mínima

x (llamada la variable independiente, variable predictora o variable explicativa

y (llamada la variable dependiente o variable de respuesta
Ejemplo 12: Calcule la ecuación de regresión

1 2 2 1 4
1 8 8 1 64
3 6 18 9 36
5 4 20 25 16
∑ 10 20 48 36 120
Ejemplo 13: Calcule la ecuación de regresión

1 8 8 1 64
3 6 18 9 36
5 4 20 25 16
∑ 9 18 46 35 116
DEPENDENCIA EXPONENCIAL
El modelo de regresión lineal, estudiado para detectar dependencia lineal entre las variables.

En este caso, si dos variables estadísticas X y Y están relacionadas por un modelo exponencial.

Linealizar

Aplicamos logaritmos
 Ejemplo 14: Encuentre la dependencia exponencial de las siguientes lista de datos sobre la población mundial (en
millones de habitantes) X: Año y Y=Población
7000

1750 728 6,590301048 11533,0268 3062500 6000

1800 949 6,855408799 12339,7358 3240000
1850 1171 7,065613364 13071,3847 3422500 5000
1900 1608 7,38274645 14027,2183 3610000
4000
1950 2516 7,830425618 15269,33 3802500
1997 5870 8,677609913 17329,187 3988009 3000
∑ 11247 12842 44,40210519 83569,8826 21125509
2000

1000

0
1700 1750 1800 1850 1900 1950 2000 2050