You are on page 1of 10

Y

Y

Y

PD

F T ra n sf o

rm

Y

PD

F T ra n sf o

rm

er

er

ABB

ABB

y

bu

bu C lic k he re to
w

y
w.
A B B Y Y.c

3.0

3.0

C

lic

k

he

re
om

to

w

w.

A B B Y Y.c

om

w

w

MATEMÁTICAS 4º ESO ESTADÍSTICA BIDIMENSIONAL

Ejemplos de distribuciones bidimensionales Ejemplo 1 Una compañía de seguros considera que el número de vehículos (y) que circulan por una determinada autopista a más de 120 km/h , puede ponerse en función del número de accidentes (x) que ocurren en ella. Durante 5 días obtuvo los siguientes resultados: Accidentes xi Número de vehículos yi 5 15 7 18 2 10 1 8 9 20

• Calcula el coeficiente de correlación lineal. • Si ayer se produjeron 6 accidentes, ¿cuántos vehículos podemos suponer que circulaban por la autopista a más de 120 km / h? • ¿Es buena la predicción? Construimos una tabla, teniendo en cuenta que la frecuencia absoluta es uno. Debemos conocer la media aritmética de las dos variables, las varianzas, las desviaciones típicas y la covarianza. Media aritmética xi yi 5 15 7 18 2 10 1 8 9 20 24 71 Varianza xi2 yi2 25 225 49 324 4 100 1 64 81 400 160 1113 Covarianza xi . yi 75 126 20 8 180 409

fi 1 1 1 1 1 5

c om w w Ejemplo 2 Las calificaciones de 40 alumnos en psicología evolutiva y en estadística han sido las de la tabla adjunta.0 C lic k he re om to w w.c 3. Psicología xi Estadística yi Nº de alumnos fi 3 2 4 4 5 6 5 5 12 6 6 4 6 7 5 7 6 4 7 7 2 8 10 9 10 1 2 a) Obtener la ecuación de la recta de regresión de calificaciones de estadística respecto de las calificaciones de psicología.5 en psicología? . A B B Y Y.0 3.Y Y Y PD F T ra n sf o rm Y PD F T ra n sf o rm er er ABB ABB y bu bu C lic k he re to w y w. A B B Y Y. b) ¿Cuál será la nota esperada en estadística para un alumno que obtuvo un 4.

yi 8 30 60 24 35 24 14 9 20 224 Varianza fi .c om w w Media aritmética xi 3 4 5 6 6 7 7 8 9 yi fi 2 4 5 6 5 12 6 4 7 5 6 4 7 2 9 1 10 2 40 fi . yi 24 120 300 144 210 168 98 72 200 1336 .0 3. xi2 36 96 300 144 180 196 98 64 200 1314 fi . A B B Y Y. xi .Y Y Y PD F T ra n sf o rm Y PD F T ra n sf o rm er er ABB ABB y bu bu C lic k he re to w y w. yi2 16 150 300 144 245 144 98 81 200 1378 Covarianza fi . xi 12 24 60 24 30 28 14 8 20 220 fi . A B B Y Y.0 C lic k he re om to w w.c 3.

c 3.5 4.0 C lic k he re om to w w. A B B Y Y.c om w w Ejemplo 3 Las notas obtenidas por 10 alumnos en Matemáticas y en Música son: Matemáticas Música 6 4 6. A B B Y Y.Y Y Y PD F T ra n sf o rm Y PD F T ra n sf o rm er er ABB ABB y bu bu C lic k he re to w y w. • ¿Existe correlación entre las dos variables? • ¿Cuál será la nota esperada en Música para un alumno que hubiese obtenido un 8.3 en Matemáticas? Solución: .0 3.5 8 7 5 5 3.5 4 7 8 5 7 10 10 5 6 4 5 • Calcula la covarianza y el coeficiente de correlación.

2 kg EJEMPLO 5 la ecuación de la recta de regresión de la edad sobre el peso.6 + 0.76 Peso aproximado de una niña de 6 años: 35. 20. ¿Cuál sería el peso aproximado de una niña de 6 años? Solución: Una asociación dedicada a la protección de la infancia decide estudiar la relación entre la mortalidad infantil en cada país y el número de camas de hospitales por cada mil habitantes. ¿ Si se dispusiese de 175 camas por mil habitantes que tanto por ciento de mortalidad cabria esperar?. 38 Ejemplo 4 Cinco niñas de 2. 30.25 0.0.0 C lic k he re om to w w.c om w w a) Covarianza = 3. 42 y 44 Kg .192 y . Coeficiente de correlación r = 0. 7 y 8 años de edad pesan respectivamente 14.75 4 180 200 250 1 1. Solución : . 3.75 30 7 90 3 Donde x es el nº de camas por mil habitantes e y el tanto por ciento de mortalidad. Datos x y 50 5 100 2 70 2.c 3.Y Y Y PD F T ra n sf o rm Y PD F T ra n sf o rm er er ABB ABB y bu bu C lic k he re to w y w. ¿La estimación es fiable? Razona la respuesta. A B B Y Y. Se pide calcular las rectas de regresión y el coeficiente de correlación lineal.. c) Recta de regresión: y = 1. Halla Ecuación de la recta de regresión: x = 0. A B B Y Y. b) Existe una correlación positiva fuerte.817 x La nota esperada en Música = 8.5 60 120 3.0 3. 5.075.92.

A B B Y Y.3. A B B Y Y.025 = -0.0 3.115) = 1.75 4 1 1.8235 es una correlación inversa alta .025) El coeficiente de correlación lineal: r= = .3.c om w w Para facilitar los cálculos de los parámetros se utiliza la siguiente tabla: xi 50 100 70 60 120 180 200 250 30 90 å = 1150 yi 5 2 2.4375 2422. = -105. y= 3.0 C lic k he re om to w w.0.25 170 14.022449(175.115) x . Para la estimación que nos piden utilizaremos la recta de regresión de Y sobre X.0.115 = -30.c 3.625 Sy= = 1.2053 ( y .025 . y= 3.6783 que sería fiable por ser alto el coeficiente de correlación.5 49 210 9 270 126.Y Y Y PD F T ra n sf o rm Y PD F T ra n sf o rm er er ABB ABB y bu bu C lic k he re to w y w.25 0. EJEMPLO 6 . Sx = 68.5625 250 0.022449 (x .5 3.59.25 xi2 2500 10000 4900 3600 14400 32400 40000 62500 900 8100 179300 x i yi 25 250 4 200 6.87 .025%.75 7 3 30. Sxy= Las rectas de regresión serán por tanto: y .5625 187.5 yi 2 x =115.0625 225 16 480 1 180 1.

7 .16. y = 38/10= 3.8. Sy2=15.9)2= 0.8)2= 1.49. Sy = 1.9)(3.(1.c 3.8 .077.(1. A B B Y Y.(3. Sxy = 7.Y Y Y PD F T ra n sf o rm Y PD F T ra n sf o rm er er ABB ABB y bu bu C lic k he re to w y w.769 . Luego r= = 0. Solución Se usa la siguiente tabla de doble entrada que facilita los cálculos: X 1 2 3 n’j nj’yj n’jyj2 nijxiyj Y 2 3 4 5 ni nixi nixi2 nijxiyj 1 2 2 1 2 5 10 20 40 1 2 4 2 4 12 36 18 1 4 16 8 2 4 20 100 50 2 10 å=38 å=156 å=78 6 å=19 18 å=41 30 å=78 3 3 3 7 De aquí se tiene: x = 19/10= 1. Sx =0.58.c om w w Dada la distribución bidimensional: X Y 1 3 2 5 1 2 2 3 3 5 2 4 2 3 2 5 3 5 1 3 Encuentra el valor del coeficiente de correlación lineal usando una tabla de correlación.6 .0 3. Sx2= 4.8)= 0. A B B Y Y.0 C lic k he re om to w w.9.1 .

y los de la primera columna a la variable X.Y Y Y PD F T ra n sf o rm Y PD F T ra n sf o rm er er ABB ABB y bu bu C lic k he re to w y w.0 C lic k he re om to w w. b) Calcular el coeficiente de correlación y las rectas de regresión. A B B Y Y.c 3.c om w w EJEMPLO 7 En la tabla siguiente se dan los valores y algunas frecuencias absolutas de un par de variables tratadas conjuntamente.0 3. 1 1 3 4 5 6 7 0 4 1 0 1 1 2 2 0 1 1 0 5 4 7 1 1 9 0 1 1 4 1 3 10 11 0 0 3 0 0 1 4 4 5 4 2 3 1 0 8 1 2 1 6 a) Completar la tabla. A B B Y Y. c) ¿Sirven las rectas de regresión para hacer predicciones de una variable en función de la otra? ¿Por qué? Solución x y 1 2 4 7 9 11 1 3 4 5 1 0 1 1 2 1 0 1 1 1 2 3 1 1 1 2 0 1 1 4 0 0 3 0 5 4 8 11 . La última columna es la marginal de X y la última fila es la marginal de Y. Los valores de la primera fila corresponden a la variable Y.

Sy = 3.y = 1.764 Sy2 = 47.Y Y Y PD F T ra n sf o rm Y PD F T ra n sf o rm er er ABB ABB y bu bu C lic k he re to w y w.948/11.948 . Sx=1.948/3.6) de X sobre y .027=0.36 = 11.027.x. myx = 1.c om w w 6 7 1 0 4 1 0 5 1 0 8 0 1 6 1 3 10 0 1 4 4 5 37 b) x = =6 .40. A B B Y Y.177(y .626 (x .0 3.027 .4.11=0.405 = 0. y = Mxy [3] = Sx2 = = 28. y x .4.0 C lic k he re om to w w.177 son los Las rectas de regresión son: y .c 3.321 El coeficiente de correlación lineal r = correlación baja.626 y coeficientes de regresión. A B B Y Y.6 = 0.405) de Y sobre X. luego Sxy = Mxy . = 0.3325 <0.378. mxy = 1.

Y Y Y PD F T ra n sf o rm Y PD F T ra n sf o rm er er ABB ABB y bu bu C lic k he re to w y w.0 C lic k he re om to w w.0 3. fiables. de una variable respecto de la otra ya que la correlación es baja. (El módulo del coeficiente de correlación lineal está muy alejado de la unidad) .c om w w c) Las rectas de regresión no sirven para hacer predicciones. A B B Y Y. A B B Y Y.c 3.