You are on page 1of 20

Distribuciones

Bidimensionales

Métodos Lógico-Cuantitativos
Ciencias de la Comunicación
UDELAR
Distribuciones
Bidimensionales
• Se presenta en un cuadro de doble
entrada.
• Distribución conjunta de 2 variables.
• Cada individuo investigado aporta el
dato para cada una de las variables.
• Se presentan los valores de cada
individuo para cada una de las variables.
Distribuciones
Bidimensionales
Variable Dependiente (Y)

    Y          
X 1 2 3 4 5 6 7 8 FA
1 2 2 17 1 0 0 1 0 23
2 2 9 31 1 1 0 4 0 48 de
X
3 1 0 0 0 0 0 0 0 1
4 0 1 1 1 0 0 0 0 3
Variable 5 12 49 3 1 0 5 0 75
Independien
te
(X) FA de Y N
Distribuciones
Bidimensionales
• Al introducir un modelo de relación entre
variables introducimos los conceptos de:

Dependencia e Independencia

¡¡Mucha atención con estos conceptos!!.


Distribuciones
Bidimensionales
• Detrás de la tabla debe haber una hipótesis
que vincule las dos variables.
• La Estadística solo puede medir asociación.
• La DEPENDECIA es una presunción teórica
del investigador.
• La causalidad es inferida, no puede ser
probada estadísticamente.
• La determinación de Variable “dependiente”
e “independiente” entonces, esta dada por
el investigador y no lo puede determinar la
estadística que solo puede medir asociación.
Distribuciones
Bidimensionales
Categorías de Variable Dependiente
(Y)

    Y          
X 1 2 3 4 5 6 7 8

1
2 2 17 1 0 0 1 0
23

2
2 9 31 1 1 0 4 0
48

3
1 0 0 0 0 0 0 0
1

4
0 1 1 1 0 0 0 0
3

N
Cat. de
5 12 49 3 1 0 5 0 75
Var.
Independi Individuos que miden en
ente (x)
las 2 variables (distribución
conjunta)
Distribuciones
Bidimensionales
Categorías de Variable Dependiente
(Y)

    Y          
X 1 2 3 4 5 6 7 8
Dist
1 Se presenta en un cuadro de 23 Mar
2 doble entrada
48 g.
3 1 de
X
4 3
Cat. de
Var.
5 12 49 3 1 0 5 0 75
Independi
ente
(X)
Distribución Marginal de
Y
N
Distribuciones
Bidimensionales
• La Frecuencia Absoluta de cada variable,
que se acumula en los márgenes del
cuadro, ahora se llama distribución
marginal.
• En la última fila se acumula la distribución
marginal de la variable dependiente (Y).
• En la última columna se acumula la
distribución marginal de la variable
independiente (X).
• La suma de cada marginal da N.
Distribuciones
Bidimensionales
Las distribuciones bidimensionales son importantes
para ver cuales son las categorías de una variable
que mas se relacionan con categorías de la otra
variable.
Este tipo de relación se ve mas claramente cuando
calculamos las Frecuencias Relativas de la
Distribución Bidimensional.
Debemos dividir cada uno de las Frecuencias
conjuntas (cuadros) entre el numero N.
Distribuciones
Bidimensionales
Categorías de Variable Dependiente
(Y)
Salario
Hasta 9000 9000-15000 15000-21000 21000-27000 27000-33000 Total 
Nivel
Educativo

157 72 42 12 2 285
Primaria
Cat.
de
72 132 21 7 2 234
Secundaria
Var.
Inde
43 55 80 75 90 343
Terciaria s/
pend terminar
iente
35 37 86 110 126 394
Terciaria
(X)

307 296 229 204 220 125


Total

6
Individuos que miden en las 2 variables
Distribuciones
Bidimensionales
Categorías de Variable Dependiente
(Y)
salario
Hasta 9000-15000 15000- 21000- 27000- Total 
9000 21000 27000 33000
Primaria 0,13 0,06 0,03 0,01 0,00 0,23

Cat. Secunda 0,06 0,11 0,02 0,01 0,00 0,19


ria
de
Var. Terciaria 0,03 0,04 0,06 0,06 0,07 0,27
Inde s/
terminar
pend
Terciaria 0,03 0,03 0,07 0,09 0,10 0,31
iente
(X)
Total 0,24 0,24 0,18 0,16 0,18 1,00

Individuos que miden en las 2


variables (distribución conjunta)
Distribuciones
Bidimensionales
    Y        
X 1 2 3 4 5 6  
1
2
3  
4
5
              1

Cuando los datos en una distribución bidimensional siguen este modelo,


podemos decir que presenta categorías asociadas en la diagonal principal.
La relación es directa, cuando aumentan los valores en una variable, también
aumentan en la otra. Esto no es válido para variables nominales.
Distribuciones
Bidimensionales
    Y        
X 1 2 3 4 5 6  
1
2
3  
4
5
              1
Cuando las distribución bidimensional sigue este modelo, podemos decir
que presenta categorías asociadas en la diagonal secundaria.
La relación es inversa, cuando aumentan los valores en una variable,
disminuyen en la otra. Esto no es válido para variables nominales.
Distribuciones
Condicionadas
• Otra forma de análisis de una distribución
bidimensional es analizar una variable condicionada
por las categorías de la otra variable.
• Tenemos que dividir las frecuencias conjuntas de la
distribución entre las frecuencias marginales de la
variable que condiciona.
• Este cuadro es mejor visualmente si lo calculamos en
porcentajes, por lo tanto es conveniente multiplicarlo
por 100.
frecuencia conjunta ( ci , d j )
frecuencia relativa ( ci d i ) = *100
frecuencia marginal ( d j )
Distribuciones
Condicionadas
Hasta 9000 9000-15000 15000-21000 21000-27000 27000-33000 Total
Nivel Educativo  

Primaria 285/1256*10
157/307*100 72/296*100 42/229*100 12/204*100 2/220*100 0

Secundaria 234/1256*10
72/307*100 132/296*100 2/229*100 0

Terciaria s/
terminar 43/307*100

Terciaria

Total 1256/1256*1
307/307*100 296/296*100 229/229*100 204/204*100 220/220*100 00
Distribuciones
Condicionadas
Hasta 9000 9000-15000 15000-21000 21000-27000 27000-33000 Total 

Nivel Educativo
Primaria 51,14 18,34 15,04 0,91 0,91 24,02
Secundaria 23,45 44,59 9,17 3,10 0,91 18,31
Terciaria s/ 14,01 18,58 34,93 33,19 40,91 26,84
terminar

Terciaria 11,40 12,50 37,55 48,67 57,27 30,83

Total 100,00 100,00 100,00 100,00 100,00 100,00

• Vemos la variable Nivel Educativo condicionada por Salario.


• De cada 100 individuos que ganan hasta 9000, el 51,14% solo
curso primaria. El 23,45 curso secundaria y así sucesivamente.
Distribuciones
Hasta 9000
Condicionadas
9000-15000 15000-21000 21000-27000 27000-33000 Total 

Nivel Educativo
Primaria 51,14 18,34 15,04 0,91 0,91 24,02
Secundaria 23,45 44,59 9,17 3,10 0,91 18,31
Terciaria s/ 14,01 18,58 34,93 33,19 40,91 26,84
terminar

Terciaria 11,40 12,50 37,55 48,67 57,27 30,83

Total 100,00 100,00 100,00 100,00 100,00 100,00

• Si comparamos el marginal columna con las


frecuencias condicionadas en cada fila, tenemos
una clara referencia de asociación.
• Si el marginal columna difiere de los valores de
cada fila, hay asociación. Si en todas la fila hay el
mismo valor no hay asociación.
Distribuciones
Condicionadas
• Otra forma de observar la asociación entre
dos variables es describir cómo varía la media
de la variable dependiente en función de la
variable independiente. Estrictamente, este
razonamiento conduce a estudiar cómo
cambia la media de la distribución de la
variable dependiente condicionada a los
valores de la variable independiente. Este
análisis de la media convierte a la estrategia
útil solo para variables cuantitativas.
Distribuciones
Condicionadas
Salario (Y) 3000-9000 9000-15000 15000-21000 21000-27000 27000-33000

Media
Nivel MC MC MC MC MC Total
Educativo(X) 6000 12000 18000 24000 30000

157 72 42 12 2 285 10211


Primaria

72 132 21 7 2 234 11205


Secundaria

43 55 80 75 90 343 19994
Terciaria s/
terminar

35 37 86 110 126 394 21883


Terciaria

Total
307 296 229 204 220 1256 16213
Utilizamos para el cálculo la Marca de Clase
Distribuciones Conjuntas
Las estrategias de análisis que
recorrimos, tanto para bidimensionales
como para condicionadas funcionan
tanto para variables cualitativas, como
para variables cuantitativas.

Los estadísticos que se utilicen para el


análisis dependerán del nivel de
medición de la variable.

You might also like