ANÁLISIS BIVARIADO

Unidad 3
Muestras Bivariadas
 Comprender el concepto de análisis
bivariado.

Calcular e interpretar el coeficiente

OBJETIVO de correlación, el coeficiente de
determinación y el error estándar
de estimación.

Calcular la recta de regresión lineal.

INTRODUCCIÓN
La descripción bivariada trata de estudiar la relación entre pares de
atributos medidos simultáneamente en la misma muestra y comprende
un conjunto de herramientas que se enfoca en el análisis de dos
variables con el fin de determinar las relaciones empíricas entre ellas.

Se llaman datos bivariados a aquellos que provienen de dos

variables medidas al mismo tiempo sobre cada individuo.
Por ejemplo: Edad y Género, Escolaridad e Ingreso, Peso y Estatura,
etc.
 ¿Existe alguna relación entre la cantidad que
una empresa gasta por mes en publicidad y
sus ventas mensuales?

Con base en el costo de calefacción de una

casa en el mes de enero, ¿es posible estimar
el área de la casa?
INTRODUCCIÓN ¿Hay alguna relación entre las millas por
galón que rinde una camioneta grande y el
tamaño del motor?

¿Hay alguna relación entre el número de

horas que estudiaron los alumnos para un
examen y la calificación que obtuvieron?
 ANÁLISIS
BIVARIADO
El análisis bivariado puede
ayudar a determinar en qué
medida es posible predecir el
valor de una variable en el
caso en que conozcamos el
valor de otra variable.
¿CÓMO REALIZAR ANÁLISIS BIVARIADOS ?

Diagramas de dispersión

Coeficientes de correlación

Regresión Lineal Simple

DIAGRAMA DE
DISPERSIÓN
Es una herramienta gráfica sencilla para
estudiar la relación entre dos variables,
consiste en un diagrama en coordenadas
cartesianas en donde se despliegan los
valores de dos variables para un conjunto de
datos.
Los datos se grafican como una colección de
puntos, cada uno con un valor de una variable
en el eje horizontal x y el valor de la otra
variable en el eje vertical (y).
COEFICIENTES DE CORRELACIÓN

Un coeficiente de correlación ofrece otra forma de realizar

análisis bivariados.

El tipo más común de coeficiente de correlación es el coeficiente

de correlación de Pearson.

El coeficiente de correlación, creado por Karl Pearson alrededor

de 1900, describe la fuerza de la relación entre dos conjuntos de
variables en escala de intervalo o de razón.
COEFICIENTE DE CORRELACIÓN
 1. El coeficiente de correlación de la muestra se
identifica por la letra minúscula r.
2. Muestra la dirección y fuerza de la relación lineal
(recta) entre dos variables en escala de intervalo
o en escala de razón.
CARACTERÍSTICA 3. Varía de –1 hasta +1, inclusive.
DEL COEFICIENTE 4. Un valor cercano a 0 indica que hay poca
asociación entre las variables.
DE CORRELACIÓN 5. Un valor cercano a 1 indica una asociación directa
o positiva entre las variables.
6. Un valor cercano a –1 indica una asociación
inversa o negativa entre las variables.
CORRELACIÓN NEGATIVA PERFECTA Y
CORRELACIÓN POSITIVA PERFECTA
COEFICIENTE DE CORRELACIÓN
 Proporción de la variación total
en la variable dependiente Y que
se explica, o contabiliza, por la
variación en la variable
dependiente X.
COEFICIENTE DE
DERTERMINACIÓN
Se calcula elevando al cuadrado
el coeficiente de correlación.
REGRESIÓN LINEAL SIMPLE
En estadística la regresión lineal o ajuste lineal es un modelo
matemático usado para aproximar la relación de dependencia entre
una variable dependiente Y y las variables independientes X y un
termino aleatorio ε.

Este modelo puede ser expresado como:

𝑌𝑡 = 𝐵0 + 𝐵1 𝑋1 + 𝐵2 𝑋2 + 𝐵𝑝 𝑋𝑝
REGRESIÓN LINEAL SIMPLE

𝑌𝑡 variable dependiente, explicada

𝑋1 , 𝑋2 , 𝑋𝑝 variables explicativas, independientes o regresoras
𝐵0 , 𝐵1 , 𝐵2 , 𝐵𝑝 parámetros, miden la influencia que las variables
explicativas tienen sobre la variable independiente.
REGRESIÓN LINEAL
SIMPLE
Con una sola variable dependiente (Y)
y una independiente (X) .

𝑌𝑡 = 𝐵0 + 𝐵1 𝑋1