Estadística bivariada

XXXXXXXXXXXXXX

Estadística

Instituto IACC

26-03-2017
 Desarrollo

De la siguiente tabla

Xi
12 13 14 15 fj yj*fj fj*yj^2
20 3 1 2 1 7 140 2800
Yj 24 4 0 1 2 7 168 4032
28 1 0 2 2 5 140 3920
fi 8 1 5 5 19 448 10752
Xi*fi 96 13 70 75 254
Fi*Xi^2 1152 169 980 1125 3426

a) Con las mismas formulas hechas anteriormente completamos la tabla bivariada

analizaremos la variable Y

media Y 23.57894737

varianza Y 9.927977839
desviacion Y 3.150869378

analizaremos la variable X

media X 13.36842105

varianza X 1.601108033
desviacion X 1.265348977
Para la covarianza de los datos

covarianza(x,y)
suma
720 260 560 300 1840
1152 0 336 720 2208
336 0 784 840 1960
2208 260 1680 1860 6008

covarianza(x,y)= 0.99722992

coeficiente de correlacion

r= 0.250123548

b) ¿Cuál es el promedio de edad de los que estudian 14 años?

14años
x y xy
20 2 40
24 1 24
28 2 56
suma 5 120

Media = 120/5=24
 c) ¿Cuál es la cantidad de años de estudios promedio para quienes tienen a lo más 26

años?

y
x 20 24 frecuencia f*X
12 3 4 7 84
13 1 0 1 13
14 2 1 3 42
15 1 2 3 45
14 184

Promedio de años de estudio para quienes tienen más de 26= 184/14=13.1428571

d) ¿Qué grupo de trabajadores presenta la edad más homogénea: los que tienen 12 años de
estudio o 15 años de estudio?

los que tienes 12 años de estudio

x f x*f f*x^2
20 3 60 1200
24 4 96 2304
28 1 28 784
8 184 4288

media 23

varianza 7
desviacion 2.645751311

CV 11.50326657
 los que tienes 15 años de estudio
x f x*f f*x^2
20 1 20 400
24 2 48 1152
28 2 56 1568
5 124 3120

media 24.8

varianza 8.96
desviacion 2.99332591

CV 12.0698625

De los dos cuadros analizados podemos decir que los que tienen 12 años de estudio son más

homogéneos comparados con los que tienen 15 años de estudio.

1) En esa misma empresa del norte, a los trabajadores se les realizó una prueba para poder

determinar el orden jerárquico y así obtener un mejor sueldo, los datos

a) Calcule e interprete la covarianza

Xi
1 3 5 0 fj yj*fj fj*yj^2
20 3 12 16 0 31 620 12400
Yj 24 20 9 13 0 42 1008 24192
28 18 4 15 0 37 1036 29008
fi 41 25 44 0 110 2664 65600
Xi*fi 41 75 220 0 336
Fi*Xi^2 41 225 1100 0 1366
analizaremos la variable Y analizaremos la variable X

media Y 24.2181818 media X 3.054545455

varianza Y 9.84330579 varianza X 3.087933884

desviacion Y 3.13740431 desviacion X 1.757251799

covarianza(x,y)
suma
60 720 1600 0 2380
480 648 1560 0 2688
504 336 2100 0 2940
1044 1704 5260 0 8008

Covarianza(x,y)= -1.17553719
Este resultado nos que no hay una relación directa entre las variables analizadas.

b) Calcule e interprete el coeficiente de correlación

Coeficiente de correlación

r= -0.21322194 vemos que la relación de las variables es en forma negativa es decir mientras uno
aumenta el otro disminuye
 2) Continuando con la empresa del norte, el departamento de bienestar está realizando

estudios médicos, por lo que consideró a 9 trabajadores, preguntándoles su estatura (cm)

y peso (kg):

De la tabla de los datos

altura peso
x y X*Y
161 50 8050
154 60 9240
187 76 14212
158 62 9796
171 66 11286
169 60 10140
166 54 8964
176 84 14784
163 68 11084
97556

Regresión lineal
Y - promedio de Y= Covarianza/VarianzaX*(X - promedio x)

Promedio Y 64.44 Covarianza/Varianza

Promedio X 167.22 0.70575221
Covarianza 63.01
Varianza X 89.28
Datos (n) 9
desviacionx 9.4490185
desviaciony 9.96784955
r 0.66901749

nuestra ecuacion de regresion lineal

Y-64.44=0.7057221(x-167.22)

Y=0.7057221X-53.573
Entonces para nuestro análisis vemos que si hay una relación positiva entre las variables ya que

nuestro r= 0.66901

Pero esta relación es muy débil ya que nos permite conocer

Un coeficiente de determinación R^2=0.44 este valor da a entender que el modelo no es muy

bueno para poder predecir.

 Bibliografía

IACC (2017) Estadística, Contenidos de la Semana 5.

www.google.cl

https://es.wikipedia.org/wiki/Coeficiente_de_determinaci%C3%B3n

www.youtube.com