Documentos de Académico
Documentos de Profesional
Documentos de Cultura
02 523117 EstadísticaDescriptiva Bivariada
02 523117 EstadísticaDescriptiva Bivariada
Distribuciones Marginales
Distribuciones Condicionales
Covarianza y Correlación
Clase II.
Departamento de Estadı́stica
Facultad de Ciencias Fı́sicas y matemáticas
Universidad de Concepción
Prof: Marı́a José Alejandra Medina Fritz
27 de marzo de 2023
Formadas en las filas por categorı́as o valores que toma una de las va-
riables, y en las columnas por los valores que toma la otra variable.
EJEMPLOS
Ejemplos de Aplicación
1 Determinar si el consumo de un producto depende del ingreso del grupo
familiar.
2 Determinar cuál o cuáles son los mejores dı́as de la semana para pros-
pectar a un cliente.
EJEMPLOS
Ejemplos de Aplicación
1 Determinar si el consumo de un producto depende del ingreso del grupo
familiar.
2 Determinar cuál o cuáles son los mejores dı́as de la semana para pros-
pectar a un cliente.
EJEMPLOS
Ejemplos de Aplicación
1 Determinar si el consumo de un producto depende del ingreso del grupo
familiar.
2 Determinar cuál o cuáles son los mejores dı́as de la semana para pros-
pectar a un cliente.
EJEMPLOS
Ejemplos de Aplicación
1 Determinar si el consumo de un producto depende del ingreso del grupo
familiar.
2 Determinar cuál o cuáles son los mejores dı́as de la semana para pros-
pectar a un cliente.
Clase variable X
XX VX
XXX x1 x2 ... xn−1 xn Total
VY X
X
Clase variable Y
EJEMPLO
Se quiere observar la relación que existe entre el número de horas diarias que
utiliza un vendedor en linkedin (X) y el ingreso obtenido semanalmente, en
millones de pesos (Y )
Variable N o de Horas X
XX
XXX Horas
Ingreso XXX 2 3 4 5
X
[1 - 2[ 2 1 1 0
V. Ingreso Y
[2 - 3[ 1 0 3 1
[3 - 4] 0 0 1 2
[4 - 5[ 3 1 2 3
[5 - 6[ 1 1 1 1
En cada casilla se registra el no de veces que se repite conjuntamente el
par (x, y).
Si una de las casillas se repite en muy pocas ocaciones es preferible
agrupar la variable en intervalos.
EJEMPLO
Se quiere observar la relación que existe entre el número de horas diarias que
utiliza un vendedor en linkedin (X) y el ingreso obtenido semanalmente, en
millones de pesos (Y )
Variable N o de Horas X
XX
XXX Horas
Ingreso XXX 2 3 4 5
X
[1 - 2[ 2 1 1 0
V. Ingreso Y
[2 - 3[ 1 0 3 1
[3 - 4] 0 0 1 2
[4 - 5[ 3 1 2 3
[5 - 6[ 1 1 1 1
En cada casilla se registra el no de veces que se repite conjuntamente el
par (x, y).
Si una de las casillas se repite en muy pocas ocaciones es preferible
agrupar la variable en intervalos.
Estudia el comportamiento simultáneo entre dos variables aplicadas a
una cierta unidad de observación.
Marı́a José Alejandra Medina Fritz Estadı́stica (523117).
Tablas de Doble Entrada
Distribuciones Marginales
Estructura
Distribuciones Condicionales
Covarianza y Correlación
EJEMPLO
Se quiere observar la relación que existe entre el número de horas diarias que
utiliza un vendedor en linkedin (X) y el ingreso obtenido semanalmente, en
millones de pesos (Y )
Variable N o de Horas X
XX
XXX Horas
Ingreso XXX 2 3 4 5
X
[1 - 2[ 2 1 1 0
V. Ingreso Y
[2 - 3[ 1 0 3 1
[3 - 4] 0 0 1 2
[4 - 5[ 3 1 2 3
[5 - 6[ 1 1 1 1
En cada casilla se registra el no de veces que se repite conjuntamente el
par (x, y).
Si una de las casillas se repite en muy pocas ocaciones es preferible
agrupar la variable en intervalos.
Estudia el comportamiento simultáneo entre dos variables aplicadas a
una cierta unidad de observación.
Marı́a José Alejandra Medina Fritz Estadı́stica (523117).
Tablas de Doble Entrada
Distribuciones Marginales
Distribuciones Condicionales
Covarianza y Correlación
DISTRIBUCIONES MARGINALES
Se definen como las distribuciones por separado de cada una de las compo-
nentes de la variable bidimensional, anulando el efecto de la otra
Marginal de Y
Marginal de X
Ingresos en $ ni
N o de horas ni
]1 - 2] 4
2 7
]2 - 3] 5
3 3
]3 - 4] 3
4 8
]4 - 5[ 9
5 7
]5 - 6[ 4
Total 25
Total 25
Las distribuciones marginales son útiles cuando las variables son indepen-
dientes, es decir no hay relación entre ellas.
DISTRIBUCIONES CONDICIONALES
]1 - 2] 2 1 1 0 4 5
]2 - 3] 1 0 3 1 5 3
]3 - 4] 0 0 1 2 Total 12
X/ [1,4]
COVARIANZA Y CORRELACIÓN
Covarianza
Correlación
Pr Ps
i=1 j=1 (xi − x̄)(yi − ȳ)
cov(X, Y ) =
n
S(X, Y ) = XY − X × Y
= E(XY ) − E(X)E(Y )
PROPIEDADES DE LA COVARIANZA
PROPIEDADES DE LA COVARIANZA
EJERCICIO 3
Datos
(15×0×2)+...+(55×1×3)
X = 3,6; Y = 36,6; XY = 25
= 169,6
Luego,
CORRELACIÓN (ρX,Y )
cov(X, Y )
ρ(X, Y ) = ,
SX × SY
donde
ρ = 0 ⇒ @ relación lineal.
ρ = 0 ⇒ @ relación lineal.
ρ = 0 ⇒ @ relación lineal.
PROPIEDADES
1 |ρXY | ≤ 1 ⇒ −1 ≤ ρXY ≤ 1.
PROPIEDADES
1 |ρXY | ≤ 1 ⇒ −1 ≤ ρXY ≤ 1.
3 Relación lineal perfecta entre dos variables implica que ρXY = 1∨ρXY =
−1.
PROPIEDADES
1 |ρXY | ≤ 1 ⇒ −1 ≤ ρXY ≤ 1.
3 Relación lineal perfecta entre dos variables implica que ρXY = 1∨ρXY =
−1.
PROPIEDADES
1 |ρXY | ≤ 1 ⇒ −1 ≤ ρXY ≤ 1.
3 Relación lineal perfecta entre dos variables implica que ρXY = 1∨ρXY =
−1.
PROPIEDADES
1 |ρXY | ≤ 1 ⇒ −1 ≤ ρXY ≤ 1.
3 Relación lineal perfecta entre dos variables implica que ρXY = 1∨ρXY =
−1.