Correlacin

entre 2 variables aleatorias

Se quiere saber si existe asociacin lineal entre el dimetro y el peso de los peces Tilapia aurea en Uruguay Para ello se extrae una muestra aleatoria de peces, y en cada pez se miden las 2 variables de inters

Tilapia aurea

Se quiere saber si existe una correlacin lineal entre el ancho y el peso de especimenes de Tilapia aurea. Se le mide a 6 individuos su ancho y su peso, registrndose:

Ind 1 2 3 4 5 6

Ancho (cm) 20 21 20 25 24 22

Peso (g) 240 250 238 260 272 252

Graficamos el diagrama de dispersin de las 2 v.a. medidas sobre el mismo individuo

290

Media

p e s o (g )

270

250

230 18 19 20 21 22 23 ancho (cm) 24 25 26 27 28

Media

Covarianza : mide la variacin conjunta de 2 variables aleatorias

cov( x, y ) =

( x x )( y
i =1 i

y) =

SPxy n 1

n 1

Coeficiente de correlacin lineal de Pearson

r=

cov xy sx * s y

Coeficiente de correlacin lineal de Pearson

( x x )( y
i =1 i

y) = SPxy SCx * SCy

r=

n 1 SCx SCy * n 1 n 1
2

n xi n SCx = xi2 i =1 n i =1

y i n SCy = yi2 i =1 n i =1
n

Para medir el grado de asociacin lineal entre 2 variables aleatorias, se utiliza el estadstico r de Pearson.

Este estadstico solo mide asociacin lineal, no considerando relaciones de causa - efecto Puede tomar valores entre -1 y 1 r = -1 Asociacin lineal perfecta y negativa r = +1 Asociacin lineal perfecta y positiva r = 0 No existe asociacin lineal

El estadstico r es una variable aleatoria, dependiente de la muestra Estima la correlacin en la poblacin, que mide el parmetro

Prueba de Hiptesis para

H0 : = 0 Ha : 0
Supuestos: Muestra aleatoria

En la poblacin NO existe correlacin lineal entre las variables estudiadas En la poblacin SI existe correlacin lineal entre las variables estudiadas

X y Y con distribucin normal bivariante Estadstica a usar:

( x x )( y
i =1 i

y) = SPxy SCx * SCy

n xi n SCx = xi2 i =1 n i =1
n yi n SCy = yi2 i =1 n i =1
2

r=

n 1 SCx SCy * n 1 n 1

Criterio de Decisin

si r rtabla rechazo H 0
De lo contrario no rechazo H0

Calculo r: r0= 0,89 r (n-2;) = r (4;0.05) = 0,8114

r observado es mayor a r tabla, por lo tanto rechazo la hiptesis nula. Existe CORRELACION entre las variables a nivel poblacional, con una probabilidad de cometer Error Tipo I de 0,05

Coeficientes de correlacin Correlacion de Pearson: coeficientes\ probabilidades x 1.00 0.89 y 0.02 1.00

x y

280

Base de datos 21.00 250.00 20.00 238.00 25.00 260.00 24.00 272.00 22.00 252.00 20.00 240.00

268

y = Peso (g)

255

243

230 18 20 22 24 26

x=D ia m e tro (cm )

infostat

Experimento: DBCA, 8 tratamientos, 6 bloques

Objetivos: 1. Estudiar las relaciones entre dimetro, altura y biomasa. 2. Estudiar la respuesta del cultivo, en trminos de dimetro, altura y biomasa, al incremento en la dosis de N.

Dosis N 0 25 50 75 100 125 150 175 200

Diametro (mm) 12,6 15,7 21,7 19,5 25,5 26,8 24,1 31,6 29,5

Altura (cm) 165 91 131 214 156 228 174 221 242

Peso Verde (g) 412 601 834 1030 1263 1456 1667 1883 2106

Hipotesis de trabajo del investigador:

1. Dimetro, altura y biomasa estn asociados directamente (si en una de las variables se obtiene una medicin de valor alto, en la otra tambin), pero ninguna es causa del comportamiento de las otras.

2. El incremento en dosis de N causa un incremento en dimetro, altura y/o biomasa

Este ejemplo se discutir en el practico de la semana