Professional Documents
Culture Documents
Apunt Tema 6. Estadà Stica Bidimensional.
Apunt Tema 6. Estadà Stica Bidimensional.
Departament d’Educació
Apunts 1r Batx CCSS
INS Narcís Monturiol
6. Estadística bidimensionals.
6.1. Variable estadística bidimensional.
6.2. Diagrama de dispersió.
6.3. Correlació.
6.4. Rectes de regressió.
6.5. Estimació de resultats.
*********************************************************************
6. Estadística bidimensionals.
6.1. Variable estadística bidimensional.
Per organitzar les dades hem de construir una taula de doble entrada:
Podem construir una taula amb les notes de matemàtiques i castellà d’un grup classe;
en la fila horitzontal considerem les notes de mates i en les columnes les notes de
castellà.
MATES CASTELLÀ
Si estudiem les variables per separat obtenim les taules de freqüències marginals.
Segons la forma dels punts podem dir si existeix una dependència funcional o no i si
esta és forta o dèbil. En general a nosaltres ens interessa la dependència lineal, que
pot ser positiva o negativa.
CODI Pàgina 1 de 3
Generalitat de Catalunya DEPARTAMENT MATEMÀTIQUES
Departament d’Educació
Apunts 1r Batx CCSS
INS Narcís Monturiol
6.3. Correlació.
Per estudiar la possible dependència entre dues variables hem de fer una sèrie de
càlculs. D’una banda hem de calcula la mitjana aritmètica i la desviació típica de
cadascuna de les variables, independentment. I, desprès, calcularem una mena de
desviació típica de les dues variables combinada que s’obté fent la mitjana aritmètica
del producte de les variables i restant el producte de les mitjanes de les dues
variables. Aquesta mesura estadística s’anomena covariància.
El coeficient que en donarà la mesura del grau de dependència entre les dues
variables serà la raó entre la covariància i el producte de les desviacions típiques i
s’anomena coeficient de correlació.
Covariància:
Coeficient de correlació:
és una mesura que determina el grau de dependència lineal entre les variables X i Y.
Es calcula per mitjà de la següent fórmula:
σ XY
r=
σ X · σY
Aquest coeficient ens indica l’aproximació dels valors de la variable a una recta. Quan
més s’aproxime el valor absolut a 1 més pròxims estan els punts a la recta. Si r > 0
correlació positiva i si r < 0 regressió negativa. Si r = 1 es tracta d’una recta exacta.
De totes les rectes que podem aproximar als punts que tenim, escollim aquella que fa
mínims la suma de les distàncies de les ordenades a la recta.
CODI Pàgina 2 de 3
Generalitat de Catalunya DEPARTAMENT MATEMÀTIQUES
Departament d’Educació
Apunts 1r Batx CCSS
INS Narcís Monturiol
En aquest cas, escollim aquella que fa mínims la suma de les distàncies de les
abscisses a la recta.
σ XY
x−x= ( y− y )
σ 2Y
Si |r|= 1, les rectes coincideixen, quant més s’aproxime a 1, l’angle entre elles serà
més petit i quant més tendeixi a 0 l’angle tendirà a 90º.
Les rectes de regressió ens permeten fer estimacions sobre una de les variables a
partir de l’altra. Si volem fer una estimació de un possible valor de Y donat un valor de
X hem d’emprar la recta de regressió de Y sobre X. ( Això és lo normal i lo que més és
fa, ja que X és la que considerem matemàticament com variable independent ). El
valor serà més fiable quant més s’aproxime r a 1.
En canvi si el que volem fer és calcular el possible valor de X per un Y donat hem
d’emprar la recta de regressió de X sobre Y.
CODI Pàgina 3 de 3