RELACIÓN MULTIVARIANTE

CUANTITATIVA: TIPOS Y CRITERIOS

DE ELECCIÓN
https://youtu.be/GJebP9a3duo

ACTIVIDAD DE COMPRENSIÓN
 
(5/5 puntos)
Pregunta 1

Con el objetivo de determinar el precio en función del número de mega bytes descargados,
hemos recogido los siguientes datos: “¿Cuánto estaría dispuesto a pagar al mes?”:
x1=10€; x2=15€; x3=20€; x4=40; x5=12€; x6=15€. “Nº de Megas descargados en el último
mes” y1=220; y2=500; y3=650; y4=1500; y5=470; y6=400. ¿Qué variable considerarías
como X (variable dependiente)?

¿Cuánto estaría dispuesto a pagar al mes? Nº de Megas descargados en

el último mes. Ambas. Ninguna de las anteriores.

Pregunta 2

Con el objetivo de determinar el precio en función del número de mega bytes descargados,
hemos recogido los siguientes datos: “¿Cuánto estaría dispuesto a pagar al mes?”:
x1=10€; x2=15€; x3=20€; x4=40; x5=12€; x6=15€. “Nº de Megas descargados en el último
mes” y1=220; y2=500; y3=650; y4=1500; y5=470; y6=400. El coeficiente de correlación
entre X e Y es:

0 -0.5 0.98 6.2

Pregunta 3

Con el objetivo de determinar el precio en función del número de mega bytes descargados,
hemos recogido los siguientes datos: “¿Cuánto estaría dispuesto a pagar al mes?”:
x1=10€; x2=15€; x3=20€; x4=40; x5=12€; x6=15€. “Nº de Megas descargados en el último
mes” y1=220; y2=500; y3=650; y4=1500; y5=470; y6=400. La recta de regresión entre X e
Y es:

Y=5 Y=345+4X Y=3.68+0.02X Y=-4+3.2X

Pregunta 4

Con el objetivo de determinar el precio en función del número de mega bytes descargados,
hemos recogido los siguientes datos: “¿Cuánto estaría dispuesto a pagar al mes?”:
x1=10€; x2=15€; x3=20€; x4=40; x5=12€; x6=15€. “Nº de Megas descargados en el último
mes” y1=220; y2=500; y3=650; y4=1500; y5=470; y6=400. La relación entre X e Y es:

Positiva. Negativa. No hay relación. Ninguna de las anteriores.

Pregunta 5

Al calcular una recta de regresión entre dos variables cuantitativas, ¿Cuáles son los
errores cometidos?

No se comenten errores. La diferencia entre las estimaciones a través de

la recta de regresión y los datos reales. La diferencia entre X e Y.

CÁLCULO DE MEDIDAS
RELACIONALES: CASO PRÁCTICO
Se dispone de una base de datos de 14 viviendas vendidas en la comunidad universitaria de San
Diego en 1990, que incluye datos sobre el precio de venta y de las características de las viviendas.
Son datos de sección cruzada y las variables que se consideran son:

P: Precio de venta en miles de dólares (Rango 199,9 - 505)

F2: Pies cuadrados de área habitable (Rango 1.065 – 3.000)

BEDRMS: Número de habitaciones (Rango 3 - 4)

BATHS: Número de baños (Rango 1,75 - 3)

Al analizar los coeficientes de correlación de estas variables, se observa que:

 Nº
PRECIO PIES2 Nº BAÑOS
DORMITORIOS

PRECIO 1 0,906 0,316 0,670

PIES2 0,906 1 0,465 0,787

Nº 0,316 0,465 1 0,532

DORMITORIOS

Nº BAÑOS 0,670 0,787 0,532 1

Se observa en la tabla una alta correlación positiva entre el precio y el tamaño de la casa; por tanto, a
mayor tamaño de vivienda, mayor precio. Ocurre lo mismo entre el precio y el número de
dormitorios y número de baños. Finalmente, existe una relación positiva entre el número de
dormitorios y número de baños.

VISUALIZACIÓN DE RELACIONES
MULTIVARIANTES: CASO PRÁCTICO
Se dispone de una base de datos de 14 viviendas vendidas en la comunidad universitaria
de San Diego en 1990, que incluye datos sobre el precio de venta y de las características
de las viviendas. Son datos de sección cruzada y las variables que se consideran son:

P: Precio de venta en miles de dólares (Rango 199,9 - 505)

F2: Pies cuadrados de área habitable (Rango 1.065 – 3.000)

BEDRMS: Número de habitaciones (Rango 3 - 4)

BATHS: Número de baños (Rango 1,75 - 3)

Al analizar los coeficientes de correlación de estas variables, se observa que:

 PRECIO PIES2 Nº DORMITORIOS Nº BAÑOS

PRECIO 1 0,906 0,316 0,670

PIES2 0,906 1 0,465 0,787

Nº DORMITORIOS 0,316 0,465 1 0,532

Nº BAÑOS 0,670 0,787 0,532 1

Al dibujar la recta de regresión entre el precio de la vivienda y el tamaño de la misma, se

aprecia que existe una fuerte relación lineal entre el precio y el tamaño de la vivienda.

Figura 3. Diagramas de dispersión entre el precio y el tamaño de la vivienda.

Se puede calcular, entonces, la recta de regresión considerando como variable explicativa

el tamaño de la vivienda (X). Así se puede predecir cuál será su precio de venta (Y):
 Y=52,35+0,139X

Y se puede insertar la recta de regresión en el gráfico de dispersión para valorar el ajuste:

Figura 4. Diagramas de dispersión y recta entre el precio y el tamaño de la vivienda.

El valor de la R2 = 0,82. De lo que se concluye que existe un buen ajuste lineal entre
el precio y el tamaño de la vivienda.