Material Bloque IV Probabilidad y Estadística I

Comportamiento de dos variables.

Correlación de variables:
 Representación
 Regresión Lineal
 Ji-cuadrada
 Correlación de variables
¿Cómo podrías predecir la calificación en un examen de una persona
que estudió determinado número de horas?

Ejemplos de relación entre dos variables

 La presión sanguínea de una persona y su edad
 Las ventas de un producto y la inversión que se realizó para su
publicidad
 La calificación obtenida en un examen y las horas dedicadas al
estudio
 El nivel de colesterol en la sangre depende de la cantidad de
ejercicios
 La desaparición de especies y el uso de insecticidas
 El daño pulmonar y el consumo de tabaco
 El número de palabras que incluye el vocabulario de un niño en
relación con su edad

La parte estadística consiste en lograr la mejor estimación de la relación

Variable Cualitativa y Variable Cuantitativa

Variable Cualitativa o categórica: Es aquella característica común observable
en donde los posibles valores que pueden tomar señalan algún ATRIBUTO
(literal).
Variable Cuantitativa: Aquella característica común observable donde los
posibles valores que pueden tomar son NUMÉRICOS, permitiendo el uso de
operaciones aritméticas.
Cada una de las dos variables puede ser de naturaleza cualitativa o
cuantitativa.
 Tabla de contingencia o tabla de doble entrada para variables
cualitativas.
Se emplean cuando los datos corresponden a dos variables cualitativas.
Son una herramienta fundamental para el análisis de este tipo de variables.
Están compuestas por filas y columnas, las cuales delimitan celdas, en donde
se coloca la frecuencia de cada combinación de las variables analizadas.

Ejemplos de Tablas de contingencia

 Pares ordenados (x,y)
Cuando los datos son resultado de dos variables cuantitativas se
expresan como pares ordenados (x,y). Por lo regular se encuentra una relación
causal entre estas variables, se debe a que una de ellas ocasiona que el valor
de la otra CAMBIE.
Ejemplo:
Existe una relación entre el número de palabras que incluye el vocabulario de
un niño y su edad. Es decir, es de esperarse que el número de palabras que
emplea el niño para comunicarse, aumente a medida que va aumentando su
edad

Variables Independiente y variable dependiente

Variable independiente o variable de entrada: Así se le denomina a la variable
que incrementa o disminuye su valor de forma sistemática, por lo general se
representa con la letra x.

Variable Dependiente o variable de salida: Variable cuyo valor depende de la

variable independiente, por lo general se representa con la letra y.

Ejemplo
En un proceso industrial el rendimiento de un producto en una reacción
química depende de la temperatura a la que se lleva a cabo el proceso, la cual
puede controlarse.
Rendimiento = Variable dependiente
Temperatura del proceso = Variable independiente.
Ejemplos
  Diagramas de Dispersión
 Correlación lineal
 Regresión lineal
Cuando las dos variables involucradas son cuantitativas podemos
determinar si existe algún tipo de relación o dependencia entre ellas al
representarlas gráficamente (Diagrama de dispersión)
Al hacer análisis del comportamiento de los datos para medir la intensidad de
la relación entre las variables (Correlación lineal)
Al calcular la recta que mejor se ajuste al conjunto de datos para de ahí hacer
predicciones (Regresión lineal)

Diagrama de dispersión
 Realizar el Diagrama de Dispersión con los datos de la
siguiente tabla

Número de horas que 8 estudiantes dedican al estudio fuera de clase,

durante un periodo de 2 semanas, se muestran las calificaciones que
obtuvieron en un examen aplicado al final del curso.

Horas de 20 16 34 23 27 32 18 22
estudio
Calificación 64 61 84 70 88 92 72 77
en el
examen

Se ordenan los datos

Horas de 16 18 20 22 23 27 32 34
estudio
Calificación 61 72 64 77 70 88 92 84
en el
examen
 Diagrama de Dispersión

INTERPRETACIÓN: En este caso se observa que, a medida que aumenta el

número de horas de estudio, se incrementa en cierta medida la calificación
obtenida en el examen. Por lo tanto, existe una relación DIRECTA (relación
directa) entre esas variables.
Relación inversa: Casos en que los valores de una de las variables aumentan,
mientras que los de otra disminuyen.
Ejemplo:
A medida que aumentan los años de uso de un auto, es decir, conforme un
coche se hace antiguo, su valor se deprecia.

Correlación lineal
Es la interdependencia entre dos variables cuantitativas. Se considera
que dos variables cuantitativas están correlacionadas cuando los valores de
una de ellas varían sistemáticamente con respecto a los valores de la otra.

Cuando existe correlación entre una variable dependiente y dos o más

variables independientes se considera que existe una correlación múltiple.
Cuando los puntos del diagrama de dispersión tienden a estar agrupados
alrededor de una línea recta significa que existe una correlación lineal entre
las variables. Su gráfica puede representarse mediante la ecuación de una
recta.

La correlación puede identificarse como alta o baja, dependiendo

del grado de dispersión de los puntos y puede ser directa o inversa.
El objetivo principal del análisis de correlación es medir la intensidad de la
relación entre las dos variables.

El objetivo principal del análisis de correlación es medir la intensidad

de la relación entre las dos variables.
Ejemplos
Ji- cuadrada o Chi cuadrada (𝑿𝟐 ) o Distribución de Pearson.
Prueba estadística muy utilizada para determinar la INDEPENDENCIA (o
dependencia) entre dos variables cualitativos.
Es una distribución de probabilidad que dentro de sus múltiples aplicaciones
está el Validar hipótesis que comparan la distribución observada de los datos
con la distribución esperada de los mismos. Entendiéndose como hipótesis a
una conjetura, afirmación o suposición que debe ser verificada.
La prueba consiste en plantear dos hipótesis, una que suponga independencia
de variables y otra que suponga dependencia entre las variables y, después de
un análisis estadístico determinar si aceptamos o rechazamos dichas hipótesis.

Planteamiento general de la Hipótesis

𝑯𝟎 = Hipótesis Nula = Las variables son independientes = No Influye
𝑯𝟏 = Hipótesis alternativa = Las variables no son independientes = Si
influye

Para efecto de dicha prueba, se requiere del uso de la tabla de contingencia

para lo cual sus frecuencias serán llamadas frecuencias observadas.
Por cada frecuencia observada se tiene una frecuencia esperada o llamadas
frecuencias teóricas que son las frecuencias que se espera tenga la
distribución de datos.

Pasos para aplicar la prueba ji- cuadrada

1. Verificar que las variables sean cualitativas y que los datos estén
presentados en una tabla de contingencia.
2. Establecer las hipótesis de estudio
3. Calcular las frecuencias esperadas
4. Calcular el estadístico de prueba 𝑿𝟐𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒐
5. Determinar el valor de significancia α, y los grados de libertad gl
Por lo regular el margen de error tomado es α= 0.05

Y el grado de libertad que su fórmula es:

gl = (Número de filas menos 1) (Num columanas – 1)

con estos datos se procede a utilizar las tablas estadísticas para

ubicar el valor teórico de ji-cuadrada
6. Obtener el estadístico de tablas 𝑿𝟐𝒕𝒆𝒐𝒓í𝒄𝒐 𝒐 𝒄𝒓í𝒕𝒊𝒄𝒐
7. Contrastar matemática y gráficamente el estadístico de prueba con el
estadístico de tablas.
8. Tomar decisiones respecto a las hipótesis planteadas.
https://www.youtube.com/watch?v=qhT0Db4pmqk Concepto de correlación de variables

https://www.youtube.com/watch?v=n9odGHfgL8s Que es correlación?

https://www.youtube.com/watch?v=mtwXeJ8qwus Conceptos básicos de las correlaciones

https://www.youtube.com/watch?v=fNeXC8d5En8 Ecuación de correlación lineal y coeficiente de

correlación (Ejercicio 1)

https://www.youtube.com/watch?v=kYCyNrPToTc CORRELACIÓN y REGRESIÓN LINEAL con

EJEMPLOS

https://www.youtube.com/watch?v=EE2a2Cr-JfY Ecuación de correlación lineal EJERCICIO

RESUELTO (coeficiente de pearson, regresión lineal)

https://www.youtube.com/watch?v=IQuXV1K5DqA Prueba Chi Cuadrado | Contraste de hipótesis

https://www.youtube.com/watch?v=qqcxkKoin-o Prueba: "Chi cuadrada"

https://www.youtube.com/watch?v=gHkMGcn2MsE Distribución chi-cuadrado