Distribuciones de Frecuencias

Bidimensionales

Estadística General
Docente: Ramiro Zea Ponce
 Distribuciones de Frecuencias
Bidimensionales
Luego de haber visto las distribuciones bidimensionales a través de tablas de
frecuencia en función de dos variables apareadas y sus gráficas representativas,
ahora veremos las graficas que representan el tipo de relación que puede haber
entre estas dos variables.

Producción
de algodón 30 28 32 25 25 25 22 24 35 40
Precio de
polo 25 30 27 40 42 40 50 45 30 25

https://www.youtube.com/watch?v=Elw8wtCdf7I
(Gráficas de columnas agrupadas en Excel)
 Distribuciones de Frecuencias
Bidimensionales
Propósito

 Elaborar tablas bidimensionales para variables cuantitativas.

 Elaborar diagramas de dispersión.
 Interpretar la relación positiva o negativa entre variables.
 Elaborar e interpretar ecuaciones de regresión lineal
 DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES
DE DATOS CUANTITATIVOS.
Se acostumbra expresar matemáticamente los datos como pares ordenados (x,y), donde “x”
es la variable de entrada (variable independiente) y “y” es la variable de salida (variable
dependiente). Se llaman “emparejados” o “apareados” porque para cada valor de “x”
siempre hay un valor correspondiente de “y” de la misma fuente. Sus resultados se presentan
a través de un diagrama de dispersión.
 REGRESIÓN Y CORRELACIÓN
Cuando se estudia dos o más variables que se da una observación, nos
preguntamos:
Si existe alguna relación entre las variables.
El grado de relación entre las mismas.

Por ej. Un maestro universitario puede tener la preocupación de saber la

relación y el grado de la misma entre los puntajes obtenidos en el
examen de admisión y los promedios del rendimiento universitario de los
estudiantes.
 REGRESIÓN Y CORRELACIÓN
LA REGRESIÓN.
Tiene por objeto encontrar la relación funcional entre las variables (Modelo
matemático)
En un modelo de regresión lineal simple tratamos de explicar la relación que existe
entre la variable respuesta “Y”, y una única variable explicativa “X”. Dado un
conjunto de datos apareados, la ecuación de regresión sería:

Y= a+ bx
Describe algebraicamente la relación entre las dos variables. La gráfica de la
ecuación de regresión se denomina recta de regresión o recta de mínimos
cuadrados.
REGRESIÓN
Gráficamente Y CORRELACIÓN
la ecuación de regresión lineal, se la puede representar
de la siguiente manera:
 LA CORRELACIÓN.
Las técnicas estadísticas con que se determinan las relaciones entre pares de variableses, se
conocen con el nombre de procedimientos correlaciónales.
El análisis de correlación da como resultado un número, índices estadísticos, denominados
coeficientes de correlación, que resume el grado de relación existente entre dos variables.
Ejemplos:
 Aprovechamiento académico – coeficiente intelectual
 Nivel educativo – nivel socio económico
 Peso – estatura
El coeficiente de correlación lineal simple ( r), es un número entre -1 y 1, que describe
principalmente la relación entre las dos variables. Como se muestra en la siguiente figura, r se
designa como positiva si Y se incrementa cuando lo hace X, y negativa si Y decrece al
incrementarse
X. Una r de cero indica una ausencia de relación entre las dos variables.
Diagramas:

COEFICIENTE DE CORRELACIÓN INTERPRETACIÓN

𝑫𝒆 ± 𝟎. 𝟗𝟔 𝒂 ± 𝟏. 𝟎𝟎
𝑫𝒆 ± 𝟎. 𝟖𝟓 𝒂 ± 𝟎. 𝟗𝟓
𝑫𝒆 ± 𝟎. 𝟕𝟎 𝒂 ± 𝟎. 𝟖𝟒
𝑫𝒆 ± 𝟎. 𝟓𝟎 𝒂 ± 𝟎. 𝟔𝟗
𝑫𝒆 ± 𝟎. 𝟐𝟎 𝒂 ± 𝟎. 𝟒𝟗
𝑫𝒆 ± 𝟎. 𝟏𝟎 𝒂 ± 𝟎. 𝟏𝟗
𝑫𝒆 ± 𝟎. 𝟎𝟎 𝒂 ± 𝟎. 𝟎𝟗
Correlación nula o inexistente
Correlación perfecta
Correlación fuerte
Correlación significativa
Correlación moderada
Correlación débil
Correlación muy débil
 Existen diferentes métodos para determinar el coeficiente de correlación, en
esta oportunidad utilizaremos la siguiente fórmula:

Ejemplo:
Determine el coeficiente de correlación de los datos que se anotan a continuación, que
constituyen las ventas mensuales(X) y el inventario anual en miles de soles (Y) de una
cadena de farmacias.
X 12.2 41.0 5.4 13.0 22.6 35.9 7.2 5.2 55.0 2.5
Y 1.8 7.8 3.1 2.6 4.1 6.4 1.3 3.1 9.1 0.7

Además grafique su respectivo diagrama de dispersión.

Se puede graficar de la siguiente manera :
 Solución
Completando la tabla:
X Y X.Y X2 Y2
12.2 1.8 21.96 148.84 3.24
41.0 7.8 319.80 1681.00 60.84
5.4 3.1 16.74 29.16 9.61
13.0 2.6 33.80 169.00 6.76
22.6 4.1 92.66 510.76 16.81
35.9 6.4 229.76 1288.81 40.96
7.2 1.3 9.36 51.84 1.69
5.2 3.1 16.12 27.04 9.61
55.0 9.1 500.50 3025.00 82.81
2.5 0.7 1.75 6.25 0.49
200 40 1242.45 6937.70 232.82

Y en donde n=10
Luego reemplazando en la fórmula tenemos que:
 Desarrolla el siguiente ejercicio
La tabla adjunta da el índice de mortalidad de una muestra de población
en función del consumo diario de X cigarrillos.

Determinar el coeficiente de correlación entre x e y.

Realizamos los cálculos preliminares, como se muestra en la siguiente tabla
Luego también debemos mencionar acerca de las CLASES DE REGRESIÓN Y
CORRELACIÓN:
Simple: Si intervienen dos variables, pueden ser lineal o no lineal.
Múltiple: Si intervienen 3 o más variables.

Entonces se puede establecer una ECUACIÓN DEL AJUSTE LINEAL; en donde la recta de
regresión es la que mejor se ajusta a los datos de relación lineal dados de antemano.
El método más usado en este caso es el de los mínimos cuadrados, y se consideran las
siguientes formulas:
Ejemplo:
El gerente general de una planta de producción de materiales de construcción
considera que la demanda de embarques de aglomerado puede estar relacionada
con el número de permisos de construcción emitidos en el municipio durante el
trimestre anterior.
El gerente ha recolectado los datos que se muestran en la tabla.
Permisos de construcción (X) 15 9 40 20 25 25 15 35

Embarques de conglomerado (Y) 6 4 16 6 13 9 10 16

Se pide determinar una estimación de los embarques, cuando el número de permisos

de construcción es 30.
Los datos de la presente distribución, no son perfectamente lineales; sin embargo se
puede hacer un enfoque lineal en base al siguiente diagrama.
Luego realizamos los cálculos respectivos
Entonces procedemos a calcular la ecuación de regresión correspondiente:
Finalmente calculamos el valor de y, cuando x=30

Luego tenemos que :

 Aplicando lo aprendido
Siguiendo el ejercicio anterior:

Predecir la mortalidad para un consumidor de 60 diarios.

Partimos de 𝑌=𝑎+𝑏𝑥; y que n = 7

 Retroalimentado la presente sesión
Revisa los siguientes videos para reforzar y retroalimentar lo aprendido

Video 1: Diagrama de Dispersión: Control de Calidad

https://youtu.be/NSh7EX83VRQ
Video 2: Regresión Lineal
https://www.youtube.com/watch?v=_eq2j7iZGSM
Video 2: Ecuación de Regresión Lineal en Excel
https://www.youtube.com/watch?v=UCjMwKKf9zA

Asimismo tienes que realizar todas las actividades correspondientes a la

Unidad 2
Crea impacto positivo y trasciende

FIN DE LA PRESENTE SESION

¡Gracias por su atención!