DISTRIBUCIONES

BIDIMENSIONALES
1.DISTRIBUCIONES BIDIMENSIONALES
Una distribución bidimensional es aquella en la que a cada individuo le corresponden dos valores o variables asociadas.
Utilizamos una serie de elementos para estudiar las distribuciones bidimensionales que son los siguientes:

 Nube de punto o diagrama de dispersión: nos permiten conocer si las dos variables están relacionadas
representándolas en un eje de coordenadas mediante puntos con las variables como coordenadas.

 Correlación: es el grado de relación entre las dos variables, el signo de la correlación viene dado por la pendiente de la
recta de regresión, pero su valor es independiente a esta. Cuando dos variables están relacionadas decimos que hay una
correlación entre estas.
 Recta de regresión: es la recta que podemos trazar a ojo que se amolde a la nube de puntos, gracias a ella podemos saber
que tan fuerte es la correlación solo observando la gráfica sabiendo que mientras más cerca estén los puntos a la recta de
regresión la correlación será más fuerte y mientras más alejados estén de esta será menos fuerte o más débil.

2.EL VALOR DE LA CORRELACIÓN

El valor de la correlación se denomina coeficiente de correlación y se designa con la letra r . El valor del coeficiente de
correlación oscila entre -1 y 1, cuando el valor absoluto r sea igual a uno todos los puntos de la nube de puntos estarán sobre la
recta de regresión y diremos que se trata de una relación funciona ya que se pueden obtener todos los valores de la distribución
mediante la ecuación de la recta de regresión. Mientras el valor absoluto de se acerque más a 1 la correlación será más fuerte.

3.LA RECTA DE REGRESIÓN PARA HACER ESTIMACIONES

Cuando el grado de relación entre las dos variables es muy alto, es decir, |r|≈ 1 podemos aproximar el valor de la variable del eje
Y conociendo solo el valor del eje X mediante la ecuación de la recta de regresión, esto será más eficaz mientras más se aproxime
el |r| de 1. Aunque el |r| sea muy próximo a uno nuestras aproximaciones podrían seguir siendo muy inseguras.