Distribuciones de Frecuencias

Bidimensionales. (CUANTITATIVAS)
Distribuciones de Frecuencias Bidimensionales
cuantitativas.
PROPÓSITO DE CLASE SEMANAL

•Gráfica los diagramas de dispersión e interpreta la

correlación lineal positiva y negativa.
•Calcula la regresión y la correlación de un grupo de
datos cuantitativos.

CONTENIDOS CONCEPTUALES

• REGRESIÓN Y CORRELACIÓN
 REGRESIÓN Y CORRELACIÓN
Cuando se estudia dos o más variables cuantitativas,
se observa :
 La existencia de alguna relación entre ambas
variables.
 El grado de relación entre las mismas.
La regresión.
Tiene por objeto encontrar la relación funcional entre
las variables (Modelo matemático)
 Ejemplo:
La preocupación de los maestros universitarios es 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.

La regresión tiene por objeto encontrar la relación funcional

entre las variables (Modelo matemático)

La correlación el grado de relación, afinidad de las variables

dentro del modelo funcional.
 Diagramas:

Correlación no lineal No existe Correlación

Ejemplo:
 Correlación lineal positiva: Temperatura y volumen
 Correlación lineal negativa: Volumen y presión
 No existe Correlación: inteligencia y la belleza.
Clases de regresión y correlación:
Simple: si intervienen dos variables, pueden ser lineal o no lineal.

Múltiple: si intervienen 3 o más variables.

Ecuación del ajuste lineal:

• Es la recta de regresión que mejor se ajusta a los datos dados.

• El método más usado es el de los mínimos cuadrados:

𝑛 ∑ 𝑋𝑌 − ∑ 𝑋 . ∑ 𝑌 ∑ 𝑌 −𝑏 . ∑ 𝑋
𝑏= 𝑎=
𝑛 ∑ 𝑋 −( ∑ 𝑋 )
2 2
𝑛
 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

Si se pide determinar una estimación de los embarques cuando el

número de permisos de construcción es 30.
Solución: En el siguiente diagrama de dispersión se puede ver que los
datos no son perfectamente lineales; sin embargo, se
puede hacer un enfoque lineal sobre este periodo corto.

Diagrama de dispersión
18
16

Embarques de aglomerado
14
12
10
8
6
4
2
0
5 10 15 20 25 30 35 40 45

Permisos de Construcción

Se realizan los cálculos como se muestra en la siguiente tabla.

 Solución:

n X Y XY X2 Y2
1 15 6 90 225 36
Hallando la recta de regresión de Y.
2 9 4 36 81 16
Si:
3 40 16 640 1600 256
4 20 6 120 400 36 Donde:
5 25 13 325 625 169 n=8
6 25 9 225 625 81 Hallando “b”
7 15 10 150 225 100
𝑛 ∑ 𝑋𝑌 − ∑ 𝑋 . ∑ 𝑌
8 35 16 560 1225 256 𝑏=
𝑛 ∑ 𝑋 −( ∑ 𝑋 )
2 2

Totales 184 80 2146 5006 950

Hallando “a”

=
𝑎=
∑ 𝑌 −𝑏 . ∑ 𝑋
Por lo tanto: 𝑛
La recta de regresión será:
X Y XY X2 Y2
15 6 90 225 36
9 4 36 81 16
40 16 640 1600 256
20 6 120 400 36
25 13 325 625 169
25 9 225 625 81
15 10 150 225 100
35 16 560 1225 256
184 80 2146 5006 950
Recordemos que:
X = permisos;
Y = embarques.
Entonces, el número de embarques cuando el número de permisos de
construcción es 30 se puede encontrar sustituyendo el valor en la ecuación.
Si : x = 30
Remplazando en la ecuación obtenida

Y=
Y = 12.7671 ≈ 13
Por lo tanto:
El número de embarques será de 13 aproximadamente.
 La correlación
Las técnicas estadísticas con que se determinan las relaciones entre pares de
puntuaciones (variable) 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, este es útil en un trabajo exploratorio.
Ejemplos:
 Promedio ponderado – coeficiente intelectual
 Índice de nacimiento – nivel socio económico
 Peso – estatura
 Inventarios de ganancias a fin de año – ventas mensuales.
El coeficiente de correlación lineal simple r es un número entre -1 y 1 que
indica y describe la ecuación lineal, 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 de dispersión

COEFICIENTE DE CORRELACIÓN INTERPRETACIÓN

Correlación perfecta
Correlación fuerte
Correlación significativa
Correlación moderada
Correlación débil
Correlación muy débil
Correlación nula o inexistente
Existen diferentes métodos para determinar el coeficiente de correlación, en esta oportunidad
utilizaremos el Método Computacional.
Utilizando la siguiente fórmula:
𝒏 ∑ 𝑿𝒀 − ∑ 𝑿 ∑ 𝒀
𝒓=
√¿ ¿ ¿
Ejemplo:
Determine el coeficiente de correlación de los datos que se anotan a continuación, que constituyen
las ventas mensuales(X) y las ganancias anual en miles de soles (Y) de una cadena de farmacias en el
Perú.

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 diagrama.
 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
Remplazando en la fórmula: 200 40 1242.45 6937.70 232.82

𝑛 ∑ 𝑋𝑌 − ∑ 𝑋∑𝑌
𝑟= =¿ ¿
√ [ 𝑛 ∑ 𝑋
2
− ( ∑ 𝑋 )
2
] [ 𝑛∑ 𝑌 2 − (∑ 𝑌 )
2
]
 ( 12424.5 ) − 8000 4424.5 4424.5 4424.5
𝑟= = = =
√ [ ( 69377 ) − 40000 ] [ ( 2328.2 ) −1600 ] √ [ 29377 ] [ 728.2 ] √21392331.4 4625.2
𝑟 =0.96 9
8
7
6
5
4
3
2
1
0
0 5 10 15 20 25 30 35 40 45
 •Se realiza una comparación entre número de horas jugando en el computador (x)
y el nivel de rendimiento académico (y) de un grupo de estudiantes de la facultad
de comunicación los resultados fueron:
x 5 1 4 6 3 1 2 0 2 3 4 4 2 4 4 1 8
y 7 11 7 4 5 17 15 18 12 9 7 5 13 9 10.5 15 6

•Interprete la relación de las variables en estudio.

•¿Qué porcentaje de estudiantes juegan más de 5 horas y su rendimiento es
menor que 10?.
•En total se observo a ………………. Estudiantes.
•Si calculamos el coeficiente de correlación (r) el valor nos resulta: ___________
•Interprete la correlación: --------------
•Si realizamos una estimación cuando un estudiante juega 5 horas . ¿Cuánto
tendrá en su rendimiento académico _____________.
•En la ecuación lineal (y= b x + a ) los valores que toma b= -------- y a= ----------.