Analisis Descriptivo Bidimensional
Analisis Descriptivo Bidimensional
Analisis Descriptivo Bidimensional
ESTADISTICA DESCRIPTIVA
BIDIMENSIONAL
TABLA DE CONTINGENCIA
EJEMPLO
Supongamos que se desea realizar un estudio,
respecto de la eventual relacin entre el nmero
de avisos publicitarios por televisin y el monto
total de las ventas semanales de un cierto
producto.
Para ello, se dispone de una muestra de 20
semanas (5 meses) donde se registro las ventas
del producto, en millones de pesos, y el
nmero de avisos publicitarios durante los
fines de semana.
6
Datos de la Muestra
Semana N x i (N avisos publicitarios) y i (monto de ventas)
1
8
80
2
4
50
3
5
62
4
4
41
5
4
58
6
4
34
7
5
66
8
7
72
9
5
59
10
6
74
11
8
90
12
6
68
13
4
38
14
5
63
15
6
70
16
7
74
17
8
85
18
8
86
19
7
79
20
4
37
7
DIAGRAMA DE DISPERSION
90
Monto de Ventas
80
70
60
50
40
30
20
3
N de Avisos Publicitarios en TV
TABLA DE CONTINGENCIA
Semana N xi (N avisos publicitarios) yi (monto de ventas)
1
8
80
2
4
50
3
5
62
4
4
41
5
4
58
6
4
34
7
5
66
8
7
72
9
5
59
10
6
74
11
8
90
12
6
68
13
4
38
14
5
63
15
6
70
16
7
74
17
8
85
18
8
86
19
7
79
20
4
37
33 - 45
45 - 57
57 - 69
4
5
6
7
8
1
4
1
n.j
69 - 81
81 - 93
ni.
2
3
1
6
4
3
3
4
n.. = 20
10
Distribucin Marginal de X
N Avisos Publicitarios (X)
ni.
4
5
6
7
8
n..
6
4
3
3
4
20
11
Distribucin Marginal de Y
Monto de Ventas (Y)
n.j
33 - 45
45 - 57
57 - 69
69 - 81
81 - 93
n..
4
1
6
6
3
20
12
ANALISIS DESCRIPTIVO DE
DISTRIBUCIONES MARGINALES
Una vez obtenidas las distribuciones
marginales de X e Y, el analista pueda
estudiar el comportamiento cualitativo y
cuantitativo de ellas, mediante grficos y
medidas estadsticas.
Puede ser de inters averiguar sobre la
forma de la distribucin de frecuencias de X
y de Y, estudiar la variabilidad de cada una y
compararlas, analizar las medidas de
tendencia central, etc.
13
DISTRIBUCIONES CONDICIONALES
Permiten conocer el comportamiento de
una de las variables, sujeta o condicionada
a valores de la otra variable.
Se construyen mediante las clases de una
de las variables y la frecuencia
correspondiente de la otra variable.
Las distribuciones condicionales son tiles
cuando las variables son dependientes, es
decir, existe relacin funcional entre ellas.
14
33 - 45
45 - 57
57 - 69
69 - 81
81 - 93
ni.
n.. = 20
n.j
X / ]57 , 69]
4
5
6
7
8
1
4
1
0
0
n.3
15
33 - 45
45 - 57
57 - 69
69 - 81
81 - 93
ni.
n.. = 20
n.j
Y/6
33 - 45
45 - 57
57 - 69
69 - 81
81 - 93
n3.
0
0
1
2
0
3
16
COVARIANZA Y CORRELACION
Como ya mencionamos, uno de los
objetivos en el estudio de variables
bidimensionales, es determinar si existe o
no relacin lineal entre las variables X e Y.
Y
Las medidas estadsticas que permiten
cuantificar la relacin lineal entre estas
variables, son la covarianza y el
coeficiente de correlacin.
correlacin
17
COVARIANZA
La covarianza mide la dispersin
conjunta entre dos variables
cuantitativas X e Y, con respecto de la
media aritmtica de cada una de ellas.
18
PROPIEDADES DE LA COVARIANZA
1. Si las variables X e Y son
independientes entre s, entonces
la covarianza es cero. El inverso no
siempre se cumple.
2. Si la covarianza es distinta de cero,
entonces las variables X e Y son
dependientes entre s.
19
PROPIEDADES DE LA COVARIANZA
20
PROPIEDADES DE LA COVARIANZA
21
X
Y
X
2,2875
23,125
Y
274,81
Varianza de X = 2,2875
Varianza de Y = 274,81
Cov(X,Y)= 23,125
22
Cov(X,Y)= 23,125
Como Cov(X,Y) > 0, entonces existe dependencia
lineal directa entre el nmero de avisos
publicitarios (X) y el monto total de ventas
semanales (Y).
COEFICIENTE DE CORRELACION
El coeficiente de correlacin mide el grado
o magnitud de la asociacin lineal entre
dos variables cuantitativas X e Y.
sX : desviacin estndar de X.
sY : desviacin estndar de Y.
24
PROPIEDADES DEL
COEFICIENTE DE CORRELACION
1. |rXY| 1 -1 rXY 1.
2. Si rXY > 0, entonces la asociacin lineal
entre X e Y es directa.
3. Si rXY < 0, entonces la asociacin lineal
entre X e Y es inversa.
4. Si las variables X e Y son independientes
entre s, entonces rXY = 0.
25
X
1
0,922
Y
1
rX,Y = 0,922
Varianza de X = 2,2875
Varianza de Y = 274,81
Cov(X,Y)= 23,125
rX ,Y
Cov( X , Y )
23.125
=
=
= 0.922
s X . sY
2.2875 274.81
26
rX,Y = 0,922
El grado de dependencia lineal directa entre el
nmero de avisos publicitarios (X) y el monto
total de ventas semanales (Y), es de 0,922
0,922.
27