15 ESTADSTICA BIDIMENSIONAL

PA R A

E M P E Z A R

Dados los puntos A(2, 3) y B(2, 4). a) Calcula la pendiente de la recta que pasa por A y B. b) Determina la ecuacin de la recta que tiene por pendiente el valor hallado en el apartado anterior y que pasa por el punto C(5, 21). 43 7 a) m La pendiente es infinita. 22 0 b) La pendiente es infinita y, por tanto, se trata de una recta vertical: C (5, 21) x 5.

Representa en los mismos ejes de coordenadas los siguientes puntos. (1, 4) (4, 9) (2, 4) (5, 9)
Y

(2, 5) (6, 10)

(3, 6) (6, 11)

(3, 7) (7, 10)

(4, 8) (8, 12)

2 O 1 X

Las siguientes listas muestran las altitudes sobre el nivel del mar, en metros, de diferentes ciudades. Ciudad Albacete vila Bilbao Crdoba Huesca Barcelona Santander Las Palmas a) Calcula la media de todas las altitudes. b) Calcula la varianza y la desviacin tpica de las altitudes.
i 4717 i1 a) x 294,8 n 16 16

Altitud 686 1130 19 123 488 18 15 48

Ciudad Alicante Palma de Mallorca Logroo Madrid Murcia Pamplona Lugo Badajoz

Altitud 8 11 384 655 42 450 454 186

16

3 025 625 2 294,82 102 194,5 b) V x n 16

i1

2 i

s V 194,5 102 319,7

28

Variables bidimensionales
PA R A P R A C T I C A R

15.1 En cada uno de los siguientes casos, escribe las variables unidimensionales que determinan la variable bidimensional correspondiente. Indica tambin si dichas variables unidimensionales son de tipo cualitativo o cuantitativo. a) Calificaciones que han obtenido los 30 alumnos de una clase de 4.o de ESO en los exmenes oral y escrito de ingls. b) Talla y peso de los componentes de un equipo de baloncesto. c) Tiempo que se tarda en copiar un archivo y tipo de archivo del que se trata: texto, audio o vdeo. a) Variables unidimensionales: Calificacin del alumno en el examen oral. Puede ser cuantitativa. Calificacin de cada alumno en el examen escrito. Puede ser cuantitativa. b) Variables unidimensionales: Talla. Cuantitativa Peso. Cuantitativa c) Variables unidimensionales: Tiempo preciso para la copia. Cuantitativa Tipo de archivo. Cualitativa 15.2 Se ha realizado un estudio sobre el nmero de accidentes en varios tramos de carretera y el estado de dichos tramos: Seco: S Mojado: M Con hielo: H N. de N. de Estado Estado accidentes accidentes 0 S 0 S 0 M 0 S 1 S 0 S 2 S 2 M 1 M 2 H 0 S 1 S 0 H 1 S 1 H 2 M 1 S 1 M Ordena los datos en una tabla de doble entrada. N. de accidentes (X) Estado (Y) Seco Mojado Con hielo Total Ejercicio resuelto
15.3 Completa esta tabla de doble entrada.

0 5 1 1 7

1 4 2 1 7

2 1 2 1 4

Total 10 5 3 18

X Y a b c d Total

A 3 5

B 4 3 10

C 2 1

Total 8 12 9 50

15

A partir de los datos aportados se puede completar la tabla. Por ejemplo, en la casilla Ac va un 5, ya que la suma de todas las casillas de c debe ser 9. X A B C Total Y a b c d Total 3 5 5 2 15 3 4 3 10 20 2 3 1 9 15 8 12 9 21 50
29

15.4 Completa la siguiente tabla de doble entrada. X Y a b c d Total A 5 4 14 B 4 5 5 4 15 C Total 12 10 10 45

a) Qu porcentaje de datos presenta la caracterstica a en la variable unidimensional Y? b) Qu porcentaje de datos presentan la caracterstica B en la variable X y la c en la Y? En primer lugar completamos la tabla: X Y a b c d Total 12 a) 100 26,7% 45 4 b) 100 8,9% 45 A 5 2 4 3 14 B 4 5 4 3 16 C 3 3 5 4 15 Total 12 10 13 10 45

PA R A

A P L I C A R

15.5 Se ha estudiado la temperatura mxima, en grados centgrados, alcanzada por 207 ciudades el 1 de junio y la latitud de estas. Los resultados son los reflejados en la siguiente tabla. Latitud Temperatura Menor de 4o Entre 4o y 0o Entre 0o y 5o Entre 5o y 15o Entre 15o y 30o Mayor de 30o De 0 a 45 N 1 3 5 15 35 10 De 45 N a 90 N 3 4 8 10 9 5 De 0 a 45 S 1 6 10 12 15 8 De 45 S a 90 S 10 15 15 5 2 0

a) Calcula el porcentaje de ciudades cuya temperatura alcanzada fue mayor de 30 C. b) Calcula el porcentaje de ciudades situadas en el hemisferio norte y cuya temperatura alcanzada estuvo entre 5 y 15 C. c) Calcula el porcentaje de ciudades alejadas del ecuador ms de 45 y cuya temperatura alcanzada estuvo entre 15 y 30 C. 10 5 8 a) 100 11,1% 207 15 10 b) 100 12,1% 207 92 c) 100 5,3% 207
30

15.6 La siguiente lista muestra 14 mediciones, realizadas en momentos diferentes, de dos agentes contaminantes del aire, CO y NO2, en una gran ciudad. CO NO2 7 9 4 8 4 10 5 9 7 10 4 8 4 9 4 9 4 9 5 10 7 11 7 11 6 10 6 11

a) Elabora una tabla de doble entrada que ordene los datos anteriores b) Cuntas mediciones verifican que los niveles de CO y NO2 son superiores a las medias respectivas? c) Calcula el porcentaje que representan sobre el total las mediciones indicadas en el apartado anterior. a) (NO2) 8 9 10 11 Total (CO) 4 2 3 1 0 6 5 0 1 1 0 2 6 0 0 1 1 2 7 0 1 1 2 4 Total 2 5 4 3 14

b) La media de CO es 5,3. La media de NO2 es 9,6. De las 14 mediciones, 5 superan, tanto en CO como en NO2, a las medias respectivas. 5 c) 100 35,7% 14

Diagramas de dispersin
PA R A P R A C T I C A R

15.7 Las siguientes nubes de puntos representan los datos de cuatro variables bidimensionales. Indica, para cada caso, si la dependencia entre las dos variables unidimensionales es lineal, aleatoria fuerte o aleatoria dbil.
Y 6 4 2 O Y 15 10 5 O 2 4 6 8 10 2 4 6 8 10 12

Y 3 2 1 O Y 6 4 2 O 1 2 3 4 5 6 2 4 6 8 10 12

A: Aleatoria fuerte

B: Aleatoria dbil

C: Lineal

D: Aleatoria fuerte

15.8 Representa las nubes de puntos correspondientes a cada una de las siguientes variables estadsticas bidimensionales e indica el tipo de relacin entre las dos variables unidimensionales correspondientes. a) X Y b) X Y a)
Y

1 0,8 1 1,2

1,5 1 1 3,1

2 1,5 2 2,2

2,5 1,9 2,5 5 b) Y

3 1,9 3 0,2

3,5 2,2 3,5 6

4 1,9 4 1,9

4 2,2 4 2,2

4,5 2,3 4,5 2,3

5 2,2 5 2,2

5 2,3 5 4,3

5 2,4 5,5 2,4

5,5 2,4 5,5 6

6 2,3 6 4

6,5 2 6,5 1

7 1,5 7 6

a) Aleatoria fuerte. b) Aleatoria dbil.

1 O 1 X

1 O 1 X
31

Ejercicio resuelto 15.9 En la siguiente tabla aparecen los valores de tres variables estadsticas: X, Y y Z. Estudia la posible relacin entre cada dos de ellas. X Y Z 2 3 1,5 3 5,5 1,5 3,5 6 2 4 1 0,5
Y 7 6 5 4 3 2 1 O

4 4,5 1

4,5 5 1,5
Z 3 2,5 2 1,5 1 0,5

5 2,5 0,5
Dependencia aleatoria dbil

6 6,5 2

6,5 6 1,5
Z 3 2,5 2 1,5 1 0,5

7 1,5 0,5

7 5,5 2

8,5 3,5 1

9 2 1

9 6 2,5

9,5 5,5 2

10 4 1,5

Dependencia aleatoria dbil

Dependencia aleatoria fuerte

3 6 9X

3 6 9X

2 4 6 Y

15.10 Estudia la relacin entre cada pareja de variables. X Y Z 0 0 0,5 0,5 0,2 1 1 0,9 1 1 1,1 1,5 1,5 2,2 2 2 3,5 2,5 2 4,5 3 2,5 5,5 3 3 9 3 3 9,5 3,5 3,5 12 4 4 15 4 4 16 4,5 4,5 20 5 4,5 21 5 5 25 5,5

Relacin entre X e Y:
Y

Relacin entre X y Z:
Z

Relacin entre Y y Z:
Z

5 O 1 X

1 O 1 X

1 O 3 Y

Dependencia aleatoria fuerte

Dependencia aleatoria fuerte

PA R A A P L I C A R

Dependencia aleatoria fuerte

15.11 En la tabla se recogen los valores obtenidos para cada uno de los 16 alumnos a los que se les han hecho las siguientes preguntas: Cuntas horas diarias dedicas a ver la televisin? Qu nmero de calzado utilizas? Horas de TV Calzado 0,5 35 1 40 1,5 37 2 39 3 41 0,5 36 1 43 1,5 38 1 38 0,5 40 2 37 4 38 0 40 0,5 37 2 42 1,5 39

a) Elabora el correspondiente diagrama de dispersin. b) A la vista del grfico, crees que existe alguna relacin entre las horas diarias de televisin y el nmero de calzado que se utiliza? a)
Y 40

36 35 O 0,5 X

b) Hay dependencia aleatoria dbil, por tanto, no existe una relacin clara entre las horas diarias de televisin y el nmero de calzado que se utiliza.
32

15.12 La tabla muestra los datos conseguidos por 10 aspirantes a un puesto de trabajo en las siguientes pruebas: X: clculo aritmtico Y: capacidad fsica Z: capacidad de analizar las estructuras sintcticas Aspirante 1 2 3 4 5 6 7 8 9 10 X 4 5 7 3 5 5 9 4 6 6 Y 4 5 6 5 4 8 4 9 5 6 Z 3 6 7 2 4 4 9 3 6 5

Estudia las posibles relaciones entre estas variables. Se realizan tres diagramas de dispersin enfrentando dos a dos las variables: Relacin entre X e Y:
Y

Relacin entre X y Z:
Z

Relacin entre Y y Z:
Z

2 O 2 X

2 O 2 X

2 O 2 Y

Entre las variables X e Y, y las variables Y y Z no se aprecia relacin; en cambio entre las variables X y Z s: cuanta ms capacidad de clculo, mayor capacidad de analizar estructuras sintcticas.

Clculo de parmetros
PA R A P R A C T I C A R

15.13 Para cada uno de estos diagramas de dispersin, decide si la correlacin es fuerte o dbil, y si es positiva o negativa.
Y 30 25 20 15 10 5 O 2 4 6 8 1012 I)

Y 30 25 20 15 10 5 O

II)

2 4 6 8 1012 X

I) Correlacin fuerte y negativa Ejercicio resuelto

II) Correlacin fuerte y positiva

15.14 Adjudica los coeficientes de correlacin r1 0,997 y r2 = 0,836 a cada una de las siguientes nubes de puntos.
Y 30 25 20 15 10 5 O I) Y 30 25 20 15 10 5 O II)

2 4 6 8 1012 14X

2 4 6 8 1012 14X

r1 0,997 es positivo y muy cercano a 1. Se corresponde con la segunda nube de puntos. r2 0,836 es negativo y relativamente cercano a 1. Se corresponde con la primera nube de puntos.
33

15.15 Adjudica a cada una de las siguientes nubes de puntos uno de los coeficientes de correlacin que se indican.
A C

A: r1 0,225 B: r3 0,972 C: r4 0,678 D: r2 0,975

Ejercicio resuelto 15.16 Las calificaciones de Matemticas y de Fsica de distintos alumnos se han recogido en esta tabla. M F 1 2 7 7 5 4 7 6 5 4 6 5 4 4 9 10 5 6

Ordena los datos en una tabla para facilitar el clculo de la covarianza y del coeficiente de correlacin. Qu puedes interpretar? X 1 7 5 7 5 6 4 9 5 Total 49 v x 5,4 9 48 v y 5,3 9 49 Y 2 7 4 6 4 5 4 10 6 48 X2 1 49 25 49 25 36 16 81 25 307 Y2 4 49 16 36 16 25 16 100 36 298 XY 2 49 20 42 20 30 16 90 30 299

298 48 V (y) 4,67 9 9

307 49 2 V (x) 4,47 9 9
2

299 49 48 Cov (x, y) 4,19 9 9 9 4,19 r 0,92 4,47 4,67 El coeficiente de correlacin indica que la relacin entre las notas de una y otra materia es lineal y positiva: cuanto ms alta es la de una materia, ms alta es la de la otra.
34

15.17 Calcula el coeficiente de correlacin e interprtalo en cada uno de los siguientes casos: a) M F 1 3 5 7 3 1 3 4 4 2 6 4 2 3 7 5 4 3 b) M F 1 6 2 5 2 6 3 3 3 4 4 3 5 2 6 0 6 1

a)

Total b)

X 1 5 3 3 4 6 2 7 4 35 X 1 2 2 3 3 4 5 6 6 32

Y 3 7 1 4 2 4 3 5 3 32 Y 6 5 6 3 4 3 2 0 1 30

X2 1 25 9 9 16 36 4 49 16 165 X2 1 4 4 9 9 16 25 36 36 140

Y2 9 49 1 16 4 16 9 25 9 138 Y2 36 25 36 9 16 9 4 0 1 136

XY 3 35 3 12 8 24 6 35 12 138 XY 6 10 12 9 12 12 10 0 6 77

35 x 3,9 9 32 y 3,6 9

138 32 V (y) 2,7 9 9

165 35 2 V (x) 3,2 9 9
2

138 35 32 Cov (x, y) 1,5 9 9 9 1,5 r 0,5 3,2 2,7 El coeficiente de correlacin indica que la relacin entre las variables es baja. 32 x 3,6 9 30 y 3,3 9

136 30 V (y) 4 9 9
2

140 32 2 V (x) 2,9 9 9

77 32 30 Cov (x, y) 3,3 9 9 9 3,3 r 0,96 2 ,9 4 El coeficiente de correlacin indica que la relacin entre las variables es alta y negativa.

Total

PA R A

A P L I C A R

15.18 Gracias a unos estudios recientes, se estima que la esperanza de vida de personas que han cumplido 40 aos de edad, y atendiendo al nmero de cigarrillos que fuman al da, viene dada por la siguiente tabla. N. de cigarillos (X) Esperanza de vida (Y) 0 4 8 12 70 16 64 20 60

80 75 72

a) Dibuja el diagrama de dispersin. b) Calcula el coeficiente de correlacin e interprtalo. a) y b)

Y 80 75 70 65 60

Total
O 4 8 12 16 20 X

X 0 4 8 12 16 20 60

Y 80 75 72 70 64 60 421

X2 0 16 64 144 256 400 880

Y2 6400 5625 5184 4900 4096 3600 29 805

XY 0 300 576 840 1024 1200 3940

60 x 10 6

808 V (x) 102 46,67 6

421 y 70,17 6

29805 V (y) (70,17)2 44,14 6

3940 421 Cov (x, y) 10 45 6 6

45 r 0,99 46,67 44,14

Se aprecia una clara correlacin entre las dos variables de tipo negativo, ya que el coeficiente r es muy cercano a 1. Es decir, cuantos ms cigarrillos diarios menor es la esperanza de vida.
35

15.19 Tras varios experimentos, se ha anotado en una tabla el alargamiento, Y, en centmetros, de un muelle dependiendo de la masa, X, en gramos, de las pesas que se cuelgan de l. Masa (X) Alargamiento (Y) 0 0 20 1 40 2 60 80 100 120 140 5 6,25 7,25

2,75 3,75

a) Calcula el coeficiente de correlacin. b) Qu conclusiones puedes sacar?

Y

a)

Total

X 0 20 40 60 80 100 120 140 560

Y 0 1 2 2,75 3,75 5 6,25 7,25 28

Y 0 0 400 1 1600 4 3600 7,6 6400 14,1 10 000 25 14 400 39,1 19 600 52,6 56 000 143,4

XY 0 20 80 165 300 500 750 1015 2830

1 O 20 X

560 56 000 x 70 V (x) 702 2100 8 8 28 143,4 y 3,5 V (y) 3 52 5,66 8 8 2830 Cov (x, y) 70 3,5 108,75 8 108,75 r 0,998 2100 5,66 b) Clara correlacin, casi lineal, ya que el coeficiente r es muy cercano a 1. La correlacin es positiva y fuerte. Es decir, podemos concluir que cuanta ms masa tengan las pesas ms se alargar el muelle.

Regresin lineal
PA R A P R A C T I C A R

Ejercicio resuelto 15.20 A partir de los datos de la variable (X, Y): X Y 1 5 3 3 6 1 7 1 8 0

a) Dibuja el diagrama de dispersin y halla la recta que mejor se ajusta a la nube de puntos. b) Estima los valores de y para x 4 y para x = 12. c) Indica si las estimaciones anteriores son fiables. a)
Y 5 4 3 2 1 O 1 2 3 4 5 6 7 8 X

50 5, y 2), y la pendiente es, aproximadamente: 0,7. La recta de regresin pasa por (x 18 La recta es: y 2 0,7 ( x 5) y 0,7x 5,5. y (12) 0,7 12 5,5 2,9 b) y (4) 0,7 4 5,5 2,7 c) La nube de puntos es bastante estrecha y decreciente, y, por tanto, el coeficiente de correlacin deber ser bastante cercano a 1. La primera estimacin es fiable, pero la segunda es dudosa, ya que x 12 se encuentra alejado de los valores de x dados en la tabla.
36

15.21 Calcula la recta de regresin aproximada y estima los valores de y para x 5 y x 20. Son fiables? X Y 2 6 4 8 6 8 8 9 10 10

10 6 La recta de regresin pasa por ( x 6, y 8,2), y la pendiente es, aproximadamente: m 0,5 . 10 2 La recta es: y 8,2 0,5 ( x 6) y 0,5x 5,2. La estimacin de y para el valor de x 5 es y (5) 0,5 5 5,2 7,7. Resulta fiable, porque la nube de puntos es bastante estrecha. Y la estimacin para el valor de x 20 es y (20) 0,5 20 5,2 15,2; estimacin poco fiable ya que el valor de x se encuentra alejado de los valores de x en los datos.

Ejercicio resuelto 15.22 A partir de estos datos de la variable (X, Y ): X Y 10 5 12 6 15 9 17 3 20 14 23 16

a) Dibuja el diagrama de dispersin y observa si se aprecia algn valor atpico. b) Sin considerar los valores atpicos observados, determina la recta de regresin. a)
Y 18 15 12 9 6 3 O 10 12 14 16 18 20 22 X

Se observa que el punto (17, 3) es un valor atpico alejado de la nube de puntos formada por el resto. 16 5 b) Sin considerar el valor atpico, la recta pasa por: ( x 16, y 10), y su pendiente es: m 0,9 . 23 10 La ecuacin de la recta de regresin es: y 10 0,9( x 16) y 0,9x 4,4.

15.23 Estudia la presencia de valores atpicos y, sin tenerlos en cuenta, determina la recta de regresin en cada caso. a) X Y a)
Y

1,5 3

2 2

2,75

3,25 3,75 3 0

b)

X Y

2 7

1 5

0 0

2 10

4 10

6 20

0,75 0,25

1 O 1 Y X

El valor (x 3,25; y 3) es atpico ya que se encuentra alejado de la nube de puntos. Sin tenerlo en cuenta, calculamos la recta de regresin que pasa 03 v. por ( x 2,6; y 1,2) y tiene de pendiente m 1,3 3,75 1,5 As, la recta de regresin aproximada ser: v( x 2,6) y 1,3 vx 4,67. y 1,2 1,3 El valor (x 2; y 10) es atpico ya que se encuentra alejado de la nube de puntos. Sin tenerlo en cuenta, calculamos la recta de regresin que pasa 20 (7) 1,4; y 3,6) y tiene de pendiente m 3,37. por ( x 6 (2) As, la recta de regresin aproximada ser: y 3,6 3,37( x 1,4) y 3,37x 1,12.
37

b)

5 O 2 X

PA R A

A P L I C A R

15.24 Una empresa de artculos de informtica ha realizado un estudio sobre la influencia del gasto en publicidad sobre el nivel de ventas. Los datos obtenidos en el mismo aparecen en la siguiente tabla. Publicidad (miles de euros) Ventas (miles de euros) 1 30 1,20 34 1,60 35 1,80 40 2 40 2,20 42 2,50 45 2,75 45 3 52 4 55

a) Calcula el coeficiente de correlacin y decide si es posible ajustar una recta. b) Ajusta la mejor recta que relacione las dos variables. c) Calcula una estimacin de las ventas para un gasto de publicidad de 3500 euros. a) X 1 1,20 1,60 1,80 2 2,20 2,50 2,75 3 4 22,05 Y 30 34 35 40 40 42 45 45 52 55 418 X2 1 1,44 2,56 3,24 4 4,84 6,25 7,56 9 16 55,89 Y2 900 1156 1225 1600 1600 1764 2025 2025 2704 3025 18 024 XY 30 40,8 56 72 80 92,4 112,5 123,75 156 220 983,45

Total

22,05 55,89 x 2,21 V (x) 2,212 0,71 10 10 418 y 41,8 10 18 024 V (y) 41,82 55,16 10

983,45 Cov (x, y) 2,21 41,8 5,97 10 5,97 r 0,95 0,71 55,16 Se puede ajustar una recta de regresin ya que el valor de r es muy cercano a 1. 55 30 v. 2,21; y 41,8) y tiene de pendiente m 8,3 b) La recta de regresin pasa por ( x 4 1 v( x 2,21) y 8,3 vx 23,4. As, la recta de regresin aproximada ser: y 41,8 8,3 v 3,5 23,4 52,57 miles de euros c) y (3,5) 8,3

15.25 El siguiente esquema muestra el coeficiente por el que hay que multiplicar el riesgo de accidente segn el nivel de alcohol en sangre. Indica para qu rango de valores de la tasa se puede ajustar una recta fiable y calcula el coeficiente por el que se multiplica el riesgo de accidente si la tasa de alcohol en sangre es de 0,4 gramos por litro. A partir de una tasa de 1, el riesgo se dispara. Se podr ajustar una recta a los primeros 5 valores de la tabla. Por tanto, sin tener en cuenta los dos ltimos datos, calculamos la recta de regresin:

Tasa (g/L) 0,15 0,2 0,3 0,5 0,75 1 1,5

Coeficiente de riesgo 1,2 1,4 2,1 Ejemplo: con una tasa de 3 alcoholemia de 0,15 g/L de 4 sangre, el riesgo de accidente 10 se multiplica por 1,2. 18

4 1,2 La recta de regresin pasa por ( x 0,38; y 2,34) , y la pendiente es: m 4,67 . 0,75 0,15 La recta es: y 2,34 4,67 ( x 0,38) y 4,67x 0,56. Por tanto, estimamos el coeficiente de riesgo si la tasa es 0,4: y (0,4) 4,67 0,4 0,56 2,43.

38

Matemticas aplicadas
PA R A A P L I C A R

15.26 Localiza la variable oculta relacionada con los siguientes estudios estadsticos. a) Un reciente estudio psicopedaggico ha mostrado que los nios de pie grande saben leer mejor que los de pie pequeo. b) El nmero de calles de una localidad y el nmero de rayos que caen en ella durante un ao. a) La variable oculta es la edad de los nios, ya que los nios de ms edad tienen los pies ms grandes, pero tambin saben leer mejor. b) La variable oculta es el tamao de la localidad, ya que cuanto ms grande sea la localidad tendr ms calles, pero tambin ser mayor el nmero de rayos que caen en ella durante un ao. 15.27 Indica un estudio estadstico del cual se pueda establecer una correlacin errnea entre dos variables debido a la presencia de una variable oculta. Respuesta libre. A C T I V I D A D E S F I N A L E S
PA R A P R A C T I C A R Y A P L I C A R

15.28 Un grupo de 90 alumnos de 4.o de ESO han realizado seis prueX bas de Educacin Fsica: tres de habilidad y otras tres de re0 1 2 3 Total Y sistencia. Cada prueba superada aporta 1 punto a la calificacin del alumno. 0 0 2 2 4 Se consideran las variables: 1 1 2 4 X: puntuacin total en las pruebas de habilidad 2 2 3 3 Y: puntuacin total en las pruebas de resistencia 3 4 7 60 As, cada alumno obtiene una doble puntuacin entre 0 y 3. Total 12 17 La tabla muestra la distribucin de las puntuaciones obtenidas por todos ellos. a) Completa la tabla. b) Calcula el porcentaje de alumnos que obtuvieron ms de dos puntos en ambas variables. c) De entre los alumnos que obtuvieron ms de dos puntos en las pruebas de habilidad, calcula el porcentaje de los que obtuvieron exactamente 3 puntos en las de resistencia. a) Y 0 1 2 3 Total X 0 0 1 2 4 7 1 2 2 3 5 12 2 2 4 4 7 17 3 4 3 3 44 54 Total 8 10 12 60 90 b) Hay 44 alumnos que consiguieron ms de dos puntos (3 puntos) 44 en ambas variables. Representan el 100 48,9%. 90 44 c) 100 81,5% . 54

15.29 La siguiente tabla muestra el nmero de bacterias por milmetro cbico que hay en un cultivo despus de cierto nmero de horas. N. de horas (X) N. de bacterias (Y) 1 18 2 21 4 44 5 54 8 61 20 110 x 4 V (x) 42 6 5 5 198 9338 y 39,6 V (y) 39,62 299,44 5 5 994 Cov (x, y) 4 39,6 40,4 5 40,4 r 0,953 6 2 99,44

Calcula el coeficiente de correlacin lineal e interprtalo. X 1 2 4 5 8 20 Y 18 21 44 54 61 198 X2 1 4 16 25 64 110 Y2 324 441 1936 2916 3721 9338 XY 18 42 176 270 488 994

Total

Existe una clara relacin positiva entre las dos variables ya que el coeficiente r es positivo y cercano a 1. Esto significa que a medida que pasa el tiempo, el nmero de bacterias crece de forma lineal.
39

15.30 La tabla siguiente muestra la temperatura media anual y la latitud de algunas ciudades europeas. Ciudad Lisboa Pars Mosc Roma Berln Londres Temperatura (C) Latitud ( N) 16 39 12 4 16 9 12 49 55 37 52 52

Estudia si existe relacin lineal entre estas dos variables. X 16 12 4 16 9 12 69 Y 39 49 55 37 52 52 284 X2 256 144 16 256 81 144 897 Y2 1521 2401 3025 1369 2704 2704 13 724 XY 624 588 220 592 468 624 3116

Total

69 x 11,5 6 284 v y 47,3 6 897 V (x) 11,52 17,25 6 13 724 v2 46,89 V (y) 47,3 6 3116 69 284 Cov (x, y) 25 5 6 6 25 r 0,879 17,25 46,89 Se aprecia una cierta relacin negativa entre las dos variables 15.31 Se han observado dos caractersticas, X e Y, cuantitativas de 14 individuos y se han obtenido los siguientes datos.

x 64
i1 n i

y 339
i1 n i

x y 1584
i1 i i

x
i1

2 i

4096

y
i1

2 i

114 921

Estudia el tipo de dependencia lineal que existe entre las dos variables. Con los datos del enunciado, calculamos el coeficiente de correlacin: 64 x 4,57 14 339 y 24,21 14 4096 64 2 V (x) 271,69 14 14 114 921 339 2 V (y) 7622,31 14 14 1584 64 339 Cov (x, y) 2,45 14 14 14

2,45 r 0,0017 271,69 7622,3 1 No existe dependencia lineal entre las dos variables porque el coeficiente r es prcticamente 0.
40

15.32 La siguiente tabla muestra las horas de sol, X, que tuvieron ciertas capitales en un ao, as como el nmero de das, Y, de ese ao que sufrieron heladas. Teruel X Y 2500 125 Vigo 1850 12 Len 2100 115 Vitoria 1700 25 Tarragona 2400 2 Mlaga 2900 0 Alicante Badajoz 2850 2 2600 8

a) Dibuja el diagrama de dispersin. b) Calcula la covarianza y el coeficiente de correlacin. c) Indica el tipo de correlacin que existe entre las variables y comenta la fiabilidad de las estimaciones que se podran realizar con la ayuda de la recta que mejor se ajusta a la correspondiente nube de puntos. a)
Y

20 O 1600 2000 3000 X

b) Con los datos de la tabla, calculamos: 18 900 xi 18 900 x 2362,5 8 289 yi 289 y 36,13 8 46 025 000 2 xi 46 025 000 V (x) (2362,5)2 171 718,75 8 29 691 289 2 yi2 29 691 V (y) 2406,36 8 8 650 000 18 000 289 xi yi 650 000 Cov (x, y) 8 4095,31 8 8 4095,31 As: r 0,201 171 71 8,75 2406,3 66

c) El coeficiente de correlacin es bajo y negativo, por tanto, la correlacin es negativa y muy dbil, no existe prcticamente dependencia lineal entre las variables. Por tanto, si se ajusta una recta a la nube de puntos, las estimaciones que se puedan hacer con ella sern muy poco fiables. 15.33 En la siguiente tabla se muestra el nmero de trasplantes de rin realizados por los servicios sanitarios de un pas americano durante los ltimos aos. Ao (X) N.o de trasplantes (Y) 1999 2000 2001 2002 2003 2004 2005 2006 230 250 270 290 340 375 400 430

a) Calcula el coeficiente de correlacin e interprtalo. b) Determina, de forma aproximada, la recta de regresin. c) Estima el nmero de trasplantes de rin que se hicieron en 1998. a) Con los datos de la tabla, calculamos: 16020 32 080 092 16 020 2 xi 16 020 x 2002,5 x i2 32 080 092 V (x) 5,25 8 8 8 2585 873 525 2585 2 2 yi 2585 y 323,13 yi 873 525 V (y) 8 8 4780,86 8 5 177 720 16 020 2585 xi yi 5 177 720 Cov (x, y) 157,19 8 8 8 157,19 As: r 0,992 Por tanto, como este coeficiente es positivo y cercano a 1, se aprecia una clara relacin 5,25 4 780,8 6 positiva entre las dos variables. Cada ao crece el nmero de trasplantes y lo hace de forma lineal.

430 230 b) La recta de regresin pasa por ( x 2006,5; y 323,13) y tiene de pendiente m 28,6. 2006 1999 As la recta de regresin aproximada ser: y 323,13 28,6 (x 2002,5) y 28,6x 56948,4. c) El nmero de trasplantes en 1998 estimamos que fue: y (1998) 28,6 1998 56 948,4 194.
41

15.34 La siguiente lista muestra las marcas obtenidas en dos pruebas fsicas, X e Y, por los 10 integrantes de un club de atletismo, siendo: X: 100 metros lisos (en segundos) Y: 300 metros lisos (en segundos) X 10 10 11 11 12 a) Dibuja el diagrama de dispersin. b) Indica los valores que se pueden considerar atpicos. c) Sin tener en cuenta los valores atpicos anteriores, calcula la covarianza y el coeficiente de correlacin lineal, e indica el tipo de dependencia aleatoria que existe entre las dos variables. d) Determina, de forma aproximada, la recta de regresin. e) Indica el tiempo que se espera que tardara en recorrer los 300 metros un nuevo componente del equipo del que se sabe que ha tardado 15 segundos en recorrer la prueba de los 100 metros. a)
Y 45

Y 40 41 41 42 43

X 12 13 13 14 15

Y 44 44 45 45 38

40 38 O 10 15 X

b) El ltimo valor de la tabla x 15, y 38 se puede considerar como atpico ya que queda alejado de la nube formada por el resto. c) Consideramos ahora solo los nueve primeros datos: X 10 10 11 11 12 12 13 13 14 106 Y 40 41 41 42 43 44 44 45 45 385 X2 100 100 121 121 144 144 169 169 196 1264 Y2 1600 1681 1681 1764 1849 1936 1936 2025 2025 16 497 XY 400 410 451 462 516 528 572 585 630 4554 1264 106 2 V (x) 1,68 9 9 16 497 385 2 V (y) 3,06 9 9 2,17 r 0,958 1,68 3,06

Total

106 x 11,78 9 385 y 42,78 9 4554 106 385 Cov (x, y) 2,17 9 9 9

Las variables tienen una dependencia lineal positiva fuerte ya que el coeficiente de correlacin r es positivo y muy cercano a 1. 40 25 d) La recta de regresin pasa por ( x 11,78; y 42,78) y tiene de pendiente m 1,25. 10 14 As, la recta de regresin aproximada ser: y 42,78 1,25 (x 11,78) y 1,25x 28,06. e) Estimamos el tiempo en recorrer 300 m, el valor de y, cuando x 15 segundos: y = 1,25 15 + 28,06 46,81 segundos.
42

PA R A

R E F O R Z A R

15.35 La siguiente lista muestra las puntuaciones obtenidas al lanzar tres dados (blanco, rojo y verde) siete veces. Elabora una tabla de doble entrada con estas variables: X: color del dado Y: puntuacin obtenida X B B B B B B B Y 1 3 6 4 6 2 4 X R R R R R R R Y 5 2 2 5 1 6 4 X V V V V V V V Y 2 2 5 1 5 4 3

a) Qu porcentaje de veces se ha obtenido un tres? b) Qu porcentaje de veces se ha obtenido un tres en el dado verde? c) Considerando las tiradas en las que se ha obtenido una puntuacin de tres, cuntas de ellas corresponden al dado rojo?, qu porcentaje representan? En primer lugar construimos la tabla de doble entrada. X Y 1 2 3 4 5 6 Total B 1 1 1 2 0 2 7 R 1 2 0 1 2 1 7 V 1 2 1 1 2 0 7 Total 3 5 2 4 4 3 21

2 a) 100 9,5% 21 1 b) 100 14,3% 7 0 c) Ninguna 100 0% 2 15.36 Se ha preguntado a 10 personas sobre el nmero de veces que se conectan a internet semanalmente y sobre las horas semanales que dedican a la prctica de deporte. Los resultados han sido: Internet Deporte Internet Deporte 0 0 4 4 1 5 4 1 2 4 5 0 2 2 6 2 3 6 8 5 Dibuja el diagrama de dispersin e indica si aprecias algn tipo de relacin entre las dos variables.
Y

1 O 1 X

La nube de puntos es muy ancha, por lo que no se aprecia relacin entre las dos variables.
43

15.37 Los diagramas de dispersin representan los datos de varias variables estadsticas bidimensionales. Los coeficientes de correlacin son 0,961; 0,964 y 0,598. Asigna a cada grfico su correspondiente parmetro.

Y 16 14 12 10 8 6 4 2 O

Y 16 14 12 10 8 6 4 2 O

Y 16 14 12 10 8 6 4 2

2 4 6 8 X

4 8 12 X

O 10 12 14 16 18 20 X

Diagrama A: su coeficiente de correlacin es 0,964 (positivo y cercano a 1), ya que los puntos presentan una clara dependencia lineal y positiva. Diagrama B: su coeficiente de correlacin es 0,598 (positivo y no muy cercano a 1), ya que los puntos no presentan dependencia lineal clara. Diagrama C: su coeficiente de correlacin es 0,961 (negativo y cercano a 1), ya que los puntos presentan una dependencia negativa y lineal.

15.38 Los siguientes valores corresponden a una variable estadstica bidimensional. (X, Y ): (1, 5) (2, 6) (5, 9) (6, 10) (4, 8) a) Dibuja el diagrama de dispersin. b) Calcula la covarianza y el coeficiente de correlacin lineal. De qu tipo es la dependencia entre las dos variables? a)
Y

2 O 1 X

b)

Total

X 1 2 5 6 4 18

Y 5 6 9 10 8 38

X2 1 4 25 36 16 82

Y2 25 36 81 100 64 306

XY 5 12 45 60 32 154

18 x 3,6 5 38 y 7,6 5 82 18 2 V (x) 3,44 5 5 306 38 2 V (y) 3,44 5 5 154 18 38 Cov (x, y) 3,44 5 5 5 3,44 r 1 3,44 3,44

Las variables estn en dependencia lineal y positiva. Adems el valor de r se podra haber indicado directamente ya que los puntos pertenecen a la misma recta.
44

15.39 Calcula la covarianza correspondiente a estos valores de la variable bidimensional (X, Y). X Y 1 6 2 7 3 9 3 12 4 13 5 13

Dibuja el diagrama de dispersin e indica el tipo de dependencia entre las dos variables. Halla tambin la recta de regresin aproximada. Dibujamos el diagrama de dispersin y calculamos el coeficiente de correlacin para estudiar la dependencia:
Y

3 O 1 X

18 x 18 x 3 6
i

60 y 60 y 10 6
i

200 v x y 200 Cov (x, y) 3 10 3,3 6

i i

64 x 64 V (x) 3 6
2 i 2 i

1,6
2

648 y 648 V (y) 10 6 v 3,3 As: r 0,912 1,v 6 8

Hay dependencia lineal y positiva entre las dos variables, ya que el coeficiente de correlacin es cercano a 1 y positivo. Hallamos ahora la recta de regresin aproximada. 6 13 7 Pasa por el punto ( x 3, y 10) y tiene de pendiente m 1,75. 15 4 As la recta de regresin aproximada ser: y 10 1,75 (x 3) y 1,75x 4,75.

45

PA R A

A M P L I A R

15.40 Si se considera este conjunto de datos bidimensional. a) Calcula el coeficiente de correlacin. b) Suma dos unidades a cada dato (tanto de la x como de la y) y calcula el nuevo coeficiente.

X Y

1 2

3 4

3 6

5 6

c) Indica el efecto que produce en el coeficiente de correlacin el hecho de sumar un mismo nmero a todos los datos de la variable estadstica. d) Multiplica todos los datos por 2 y calcula el nuevo coeficiente de correlacin lineal. e) Indica el efecto que produce en el coeficiente de correlacin el hecho de multiplicar por un mismo nmero todos los datos de la variable estadstica. f) Cunto valdra el coeficiente de correlacin lineal de la variable estadstica que resulta de intercambiar los valores de x con los de y? a) X 1 3 3 5 12 Y 2 4 6 6 18 X2 1 9 9 25 44 Y2 4 16 36 36 92 XY 2 12 18 30 62 12 18 x 3 y 4,5 4 4 44 92 18 2 2 V (x) 3 2 V (y) 2,75 4 4 4 62 18 Cov (x, y) 3 2 4 4 2 r 0,852 2 2,75

Total

b)

Total

X 3 5 5 7 20

Y 4 6 8 8 26

X2 9 25 25 49 108

Y2 16 36 64 64 180

XY 12 30 40 56 138

20 26 x 5 y 6,5 4 4 108 180 26 2 2 V (x) 5 2 V (y) 2,75 4 4 4 138 26 Cov (x, y) 5 2 4 4 2 r 0,852 2 2,75

c) El coeficiente no vara. Los puntos se desplazan todos de la misma forma y la nube tiene, por tanto, exactamente la misma forma. 24 36 X Y X2 Y2 XY d) x 6 y 9 4 4 2 4 4 16 8 176 368 2 V (x) 6 8 V (y) 92 11 6 8 36 64 48 4 4 6 12 36 144 72 248 Cov (x, y) 6 9 48 10 12 100 144 120 4 8 36 36 176 368 248 Total r 0,852 8 11 e) Sea x k x, y k y, y r el coeficiente de correlacin de las variables x e y.

kx ky xy y kx ky x n n r (x) V(y) V ky)2 (kx)2 )2 ( (kx )2 (ky n n

x y y k2 x k2 cov(x, y) n r k V(x) kV (y) x2 2 k2 y2 k2 x 2 y n n

Por tanto, el coeficiente de correlacin no vara. f) Es el mismo, ya que la frmula de clculo al intercambiar x e y es igual.
46

15.41 Calcula los valores de a, b y c sabiendo que la variable estadstica bidimensional de la tabla tiene los siguientes valores de parmetros. 1 x3 y 3 Cov(x, y) 4 X Y 1 3 2 5 4 b a c

7a x 3x 3 a 5 4 8bc y 4y 4 b c 8 4 1 13 4b 5c 1 Cov (x, y) Cov (x, y) 12 4b 5c 34 4 4 4 As tenemos un sistema de ecuaciones con dos incgnitas:

4b 5c 34 b 6

bc8

c2

15.42 Calcula los valores de a y b sabiendo que la variable estadstica bidimensional de la tabla tiene los siguientes valores de parmetros. Cov (x, y) 1 X Y 2 1 3 25 5 b a 3 V(x) 2,5

El valor de a es el mayor de todos los valores de la variable X. 4 9 25 a2 10 a 2 V(x) 2,5 2,5 3a2 20a 12 0 4 4

a 2 no vlida 3

a6

2 75 5b 18 29 b Cov (x, y) 1 Cov (x, y) 4 1 b 25 4 4

PA R A

I N T E R P R E TA R

R E S O LV E R

15.43 Grfico tridimensional Un grupo de amigos se distribuye segn su color de pelo y de ojos de la forma que muestra el grfico. a) Ordena los datos en una tabla de doble entrada que muestre el nmero de personas para todas y cada una de las combinaciones posibles. b) Calcula el porcentaje de personas que tienen el pelo moreno y cuyos ojos no son marrones.
Rubio s

Marrones Verdes Azules

More nos Cast aos

a) Ojos

Pelo Azules Verdes Marrones Total

Rubio 1 3 4 8

Moreno 2 3 6 11

Castao 1 1 5 7

Total 4 7 15 26

23 b) 100 19,23% 26
47

15.44 Datos perdidos Para un trabajo de ciencias, un grupo de alumnos est realizando un estudio sobre el crecimiento de cierta especie de arbusto segn la altitud a la que se encuentre el terreno donde viven. La tabla muestra los datos recogidos en diferentes lugares. La variable X est determinada por la altitud, en metros, del terreno, y la variable Y, por la altura mxima, en centmetros, alcanzada por la planta en ese terreno. X 500 525 550 575 600 Y 55 52 50 46 43

X 625 650 675 700 725

Y 38 35 33 32

X 750 775 800 825 850

Y 28 24 21 18

Sin embargo, se ha perdido la informacin sobre la altura de las plantas ubicadas a 625 y 775 metros. a) Cmo se podran estimar los datos faltantes? b) Qu fiabilidad tienen las estimaciones calculadas?

a) Se consideran solo los datos que se tienen completos (13 datos) y calculamos el coeficiente de correlacin: 8725 x 8725 x 671,15 13
i

475 y 475 y 36,53 13

i

6 018 125 8725 x 6 018 125 V(x) 13 13

2 i

12 490,37

19 101 475 y 19 101 V(y) 13 13

2 i i i

134,86

302 000 8725 475 x y 302 000 Cov (x, y) 1286,34 13 13 13 1286,34 As: r 0,991 475 1 2 490 ,37 Como este coeficiente es positivo y cercano a 1, se aprecia una clara relacin lineal negativa entre las dos variables y, por tanto, se puede ajustar una recta de regresin para calcular los datos faltantes. 671,15; y 36,53) y tiene de pendiente La recta de regresin aproximada pasa por el punto ( x 18 55 37 m 0,11. 850 500 350 As: y 36,53 0,11(x 671,15) y 0,11x 110,36 Con esta recta estimamos los datos faltantes: y(625) 0,11 625 110,36 41,61 y(775) 0,11 775 110,36 25,11 b) Estas estimaciones tienen bastante fiabilidad, porque son puntos que se encuentran dentro de la nube de puntos de los datos completos de la tabla. Adems se ha visto que hay dependencia lineal fuerte (r cercano a 1), por lo que los datos se ajustan bien a la recta.

48

A U T O E VA L U A C I N 15.A1 Se pregunt a un grupo de alumnos por: Y: El nmero de ordenadores que hay en casa. X: El nmero de hermanos. Parte de los resultados de la encuesta estn reflejados en la siguiente tabla. X Y 0 1 2 3 Total

0 0 0 1 0

1 2 3 0 6

2 3 2 1 8

Total

a) A cuntos alumnos se les hizo la encuesta? b) Qu porcentaje de alumnos tienen ms de un ordenador en casa y menos de dos hermanos? En primer lugar completamos la tabla: Y X 0 1 2 3 Total

0 0 0 1 0 1

1 2 3 1 0 6

2 3 2 2 1 8

Total 5 5 4 1 15

a) La encuesta se pas a 15 alumnos. b) En total hay 3 2 5 alumnos con menos de dos hermanos y ms de un ordenador en casa. 5 Representan el 100 33,3% del total. 15

15.A2 Asigna los valores 0,95; 1; 0,98 y 0,11 a la correlacin de las siguientes variables estadsticas bidimensionales.
Y 12 8 4 O Y 12 8 4 O 3 6 9 3 6 9 A Y 12 8 4 O Y 12 8 4 O 3 6 9 3 6 9 B

X C

X D

Diagrama A: el coeficiente de correlacin es 0,98, ya que se aprecia una dependencia casi lineal y positiva entre las variables. Diagrama B: el coeficiente de correlacin es 0,95, ya que se aprecia una dependencia casi lineal y negativa entre las variables. Diagrama C: el coeficiente de correlacin es 0,11, ya que no se aprecia dependencia entre las variables. Diagrama D: el coeficiente de correlacin es 1, ya que se tiene una dependencia lineal (los puntos estn sobre una recta) y positiva entre las variables.
49

15.A3 La siguiente tabla recoge la antigedad, en aos, de cinco coches de igual modelo y marca, y el gasto, en litros por 100 kilmetros, del motor. Antigedad (aos) Gasto (L) a) Dibuja la nube de puntos. b) Calcula el coeficiente de correlacin lineal. c) A la vista de los resultados, establece el tipo de relacin entre las dos variables. d) Determina la recta de regresin. e) Indica el gasto que se espera para un coche de 5 aos de antigedad. a)
Y

1 6

2 6,4

4 7

6 7,1

8 7,5

1 O 1 X

b)

Total

X 1 2 4 6 8 21

Y 6 6,4 7 7,1 7,5 34

X2 1 4 16 36 64 121

Y2 XY 36 6 40,96 12,8 49 28 50,41 42,6 56,25 60 232,62 149,4

21 x 4,2 5 34 y 6,8 5 121 21 2 V (x) 6,56 5 5 232,62 34 2 V (y) 0,28 5 5 149,4 21 34 Cov (x, y) 1,32 5 5 5 1,32 r 0,973 6,56 0,28 c) Se aprecia una clara relacin lineal fuerte y positiva entre las dos variables. 7,5 6 1,5 d) La recta de regresin pasa por el punto ( x 4,2; y 6,8) y tiene de pendiente m 0,21. 81 7 As, la recta de regresin aproximada ser: y 6,8 0,21(x 4,2) y 0,21x 5,91. e) Hacemos la estimacin con la recta de regresin calculada en el apartado anterior: y (5) 0,21 5 5,91 6,96 litros.
50

15.A4 Ajusta la recta que consideres ms adecuada al siguiente diagrama de dispersin eliminando previamente los datos atpicos.
Y 11 10 9 8 7 6 5 4 3 2 O 2 4 6 8 10 X

Observamos el diagrama de dispersin y apreciamos dos datos atpicos: (3, 2) y (7, 11). Para calcular la recta de regresin consideramos el resto de datos: X Y
i

3 7

4 6

5 5

5 7

6 5

6 6

7 4

7 6

8 5

9 4

9 3

10 3

79 x 79 x 6,58 12 61 y 61 y 5,08 12
i

6,58; y 5,08). As, la recta de regresin pasa por ( x 37 4 Considerando los puntos (3, 7) y (10, 3) se tiene de pendiente m 0,57. 10 3 7 As la recta de regresin aproximada ser: y 5,08 0,57 (x 6,58) y 0,57x 8,83. E N T R E T E N I D O
M e n s a j e s e c r e t o

Este es el mensaje que Hugo ha mandado a Mario. Para que nadie se entere de lo que pone, lo ha cifrado usando un alfabeto desplazado. De este modo ha creado un criptograma.

WHPJR D FRPWUDVHQD SDUD HPWUDU HP H RUGHPDGRU GH MXDP

El problema es que ha olvidado dar a Mario el nmero que indica los lugares que ha desplazado las letras del abecedario. Eres capaz de descifrar el mensaje? Para resolver este criptograma es de gran utilidad recordar la informacin que daba la seccin de "Entre interrogantes" de la pgina dedicada a Carroll. En ella se mencionaba que las letras ms "frecuentes" en castellano eran la A y la E. De este modo, si contamos el nmero de veces que se repiten las letras en el mensaje, comprobamos que la ms frecuente es la D (8 veces) seguida de la H (7 veces). Como adems el nmero de lugares que separa los pares de letras (A, E) y (D, H) coincide, podemos conjeturar que la A ha sido sustituida por la D y la E por la H, lo que llevara a que Hugo ha desplazado 3 lugares cada una de las letras del abecedario. Comprobamos que al "descifrar" el mensaje siguiendo esta hiptesis obtenemos un mensaje "coherente". En este caso recorremos el camino contrario, es decir, las letras en lugar de "avanzar" tres posiciones, "retroceden". As, obtenemos que el mensaje original es: TENGO LA CONTRASEA PARA ENTRAR EN EL ORDENADOR DE JUAN.
51