Variables Bidimensionales

1.Relacin funcional
Dos variables x e y estn relacionadas funcionalmente cuando conocida la primera se puede
saber con exactitud el valor de la segunda.
Ejemplo
Si se deja caer una piedra, existe una frmula que nos permite calcular exactamente, la
altura a la que se encuentra en funcin del tiempo transcurrido.
h = g t.

2. Relacin estadstica
Dos variables x e y estn relacionadas estadsticamente cuando conocida la primera se
puede estimar aproximadamente el valor de la segunda.
Ejemplos
Ingresos y gastos de una familia.
Produccin y ventas de una fbrica.
Gastos en publicidad y beneficios de una empresa.
Horas de estudio y calificaciones

3. Variable estadstica bidimensional

Una variable bidimensional es una variable en la que cada individuo est definido por un
par de caracteres, (X, Y).
Estos dos caracteres son a su vez variables estadsticas en las que s existe relacin entre
ellas, una de las dos variables es la variable independiente y la otra variable dependiente.

4. Distribuciones bidimensionales
Son aquellas en las que a cada individuo le corresponden los valores de dos variables, las
representamos por el par (xi, yi).
Si representamos cada par de valores como las coordenadas de un punto, el conjunto de
todos ellos se llama nube de puntos o diagrama de dispersin.
Sobre la nube de puntos puede trazarse una recta que se ajuste a ellos lo mejor posible,
llamada recta de regresin.
Ejemplo
El puntaje obtenido por 12 alumnos en las pruebas de Matemtica y Fsica en un curso son
los siguientes:
Matemticas

2 3 4 4 5 6 6 7 7 8 10

10

Fsica

1 3 2 4 4 4 6 4 6 7 9

10

5. Tabla Bidimensional
Tabla de doble entrada. Est formada por tantas filas y columnas como valores tengamos de
cada una de las variables, ms una fila y una columna ms para indicar los totales. Est
indicada para casos con bastantes datos, en los que para cada valor de una variable, existen
varios valores de la otra.

x1

x2

...

xi

...

xm

Frecuenci
a
absoluta
de la
variable Y

y1

f11

f21

...

fi1

...

fm1

fi1

y2

f12

f22

...

fi2

...

fm2

fi2

...

...

...

...

...

...

...

...

yj

f1j

f2j

...

fij

...

fmj

fij

...

...

...

...

...

...

...

...

yn

f1n

f2n

...

fin

...

fmn

fin

Frecuenci
a
absoluta
de la
variable X

f1j

f2j

...

fij

...

f1n

Escogiendo la primera y la ltima fila, tenemos la tabla estadstica correspondiente a la

primera variable unidimensional. Con la primera y ltima columnas construimos la tabla
correspondiente a la segunda variable unidimensional. Estas dos distribuciones reciben el
nombre de distribuciones marginales. En la ltima celda aparecer el total de la ltima
fila y de la ltima columna, es decir, el nmero total de elementos estudiados (N).
Adems, en esta tabla puede resultar de inters estudiar distribuciones unidimensionales
correspondientes a un valor determinado de alguna de las variables, llamadas distribuciones
condicionadas.
Ejemplo:
En un curso de 30 alumnos y alumnas se ha realizado un estudio sobre el nmero de horas
diarias de estudio X y el nmero de asignaturas reprobadas al final de curso Y, obteniendo
los siguientes datos:
(2,0) ; (2,2) ; (0,5) ; (2,1) ; (1,2) ; (2,1) ; (3,1) ; (4,0) ; (0,4) ; (2,2) ; (2,1) ; (2,1) ; (4,0) ;
(3,1) ; (2,4) ; (2,1) ; (1,2) ; (2,1) ; (2,0) ; (3,0) ; (3,1) ; (2,2) ; (2,2) ; (2,1) ; (0,5) ; (1,3) ;
(2,2) ; (2,1) ; (1,3) ; (1,4)

Construir una tabla de doble entrada y calcular la media y la desviacin estndar de cada
una de las variables.

Tabla de doble entrada

Y\
X
0
1
2
3
4
5
Frec
abs
X

0 1

2
2
1 1
2

2
8
5

1
3

3 5 16 4

Frec
abs Y
2
5
11
7
2
3
2
4

2 30=n

Distribucin
Marginal de X
xi
0
1
2
3
4

fi
3
5
16
4
2
30

Distribucin
Marginal de Y
yi
0
1
2
3
4
5

fi
5
11
7
2
3
2
30

6. Covarianza
La covarianza de una variable bidimensional es la media aritmtica de los productos de las
desviaciones de cada una de las variables respecto a sus medias respectivas.
La covarianza se representa por sxy o xy.

La covarianza indica el sentido de la correlacin entre las variables

Si xy > 0 la correlacin es directa.
Si xy < 0 la correlacin es inversa.

La covarianza presenta como inconveniente, el hecho de que su valor depende de la escala

elegida para los ejes.
Es decir, la covarianza variar si expresamos la altura en metros o en centmetros. Tambin
variar si el dinero lo expresamos en euros o en dlares.

Ejemplos
1. El puntaje obtenido por 12 alumnos en las pruebas de Matemtica y Fsica son los
siguientes:
Matemticas

2 3 4 4 5 6 6 7 7 8 10

10

Fsica

1 3 2 4 4 4 6 4 6 7 9

10

Hallar la covarianza de la distribucin.

xi

yi

xi yi

16

20

24

36

28

42

56

10

90

10

10

100

72

60

431

Despus de tabular los datos hallamos las medias aritmticas:

2. Los valores de dos variables X e Y se distribuyen segn la tabla siguiente:

Y/X

Hallar la covarianza de la distribucin.

En primer lugar convertimos la tabla de doble entrada en tabla simple y calculamos las
medias aritmticas.
xi

yi

fi

xi fi

yi fi

xi yi fi

16

10

15

30

12

12

16

20

40

41

76

7. Correlacin
La correlacin trata de establecer la relacin o dependencia que existe entre las dos
variables que intervienen en una distribucin bidimensional.
Es decir, determinar si los cambios en una de las variables influyen en los cambios de la
otra. En caso de que suceda, diremos que las variables estn correlacionadas o que hay
correlacin entre ellas.

Tipos de correlacin
1 Correlacin directa
La correlacin directa se da cuando al aumentar una de las variables la otra aumenta.
La recta correspondiente a la nube de puntos de la distribucin es una recta creciente.

2 Correlacin inversa
La correlacin inversa se da cuando al aumentar una de las variables la otra disminuye.
La recta correspondiente a la nube de puntos de la distribucin es una recta decreciente.

3 Correlacin nula
La correlacin nula se da cuando no hay dependencia de ningn tipo entre las variables.
En este caso se dice que las variables son incorreladas y la nube de puntos tiene una forma
redondeada.

Grado de correlacin
El grado de correlacin indica la proximidad que hay entre los puntos de la nube de
puntos. Se pueden dar tres tipos:
1. Correlacin fuerte
La correlacin ser fuerte cuanto ms cerca estn los puntos de la recta.

2. Correlacin dbil
La correlacin ser dbil cuanto ms separados estn los puntos de la recta.

3. Correlacin nula
El coeficiente de correlacin lineal es el cociente entre la covarianza y el producto de las
desviaciones tpicas de ambas variables.
El coeficiente de correlacin lineal se expresa mediante la letra r.

Propiedades del coeficiente de correlacin

1. El coeficiente de correlacin no vara al hacerlo la escala de medicin.
Es decir, si expresamos la altura en metros o en centmetros el coeficiente de correlacin no
vara.
2. El signo del coeficiente de correlacin es el mismo que el de la covarianza.
Si la covarianza es positiva, la correlacin es directa.

Si la covarianza es negativa, la correlacin es inversa.

Si la covarianza es nula, no existe correlacin.

3. El coeficiente de correlacin lineal es un nmero real comprendido entre 1 y 1.

1 r 1
4. Si el coeficiente de correlacin lineal toma valores cercanos a 1 la correlacin es
fuerte e inversa, y ser tanto ms fuerte cuanto ms se aproxime r a 1.
5. Si el coeficiente de correlacin lineal toma valores cercanos a 1 la correlacin es fuerte
y directa, y ser tanto ms fuerte cuanto ms se aproxime r a 1.
6. Si el coeficiente de correlacin lineal toma valores cercanos a 0, la correlacin es dbil.
7. Si r = 1 1, los puntos de la nube estn sobre la recta creciente o decreciente. Entre
ambas variables hay dependencia funcional.

Ejemplos
El puntaje obtenido por 12 alumnos en las pruebas de Matemticas y Fsica son los
siguientes:
Matemticas

2 3 4 4 5 6 6 7 7 8 10

10

Fsica

1 3 2 4 4 4 6 4 6 7 9

10

Hallar el coeficiente de correlacin de la distribucin e interpretarlo.

xi2

yi2

xi

yi

xi yi

16

16

16

16

20

25

16

24

36

16

36

36

36

28

49

16

42

49

36

56

64

49

10 9

90

100 81

10 10 100

100 100

72 60 431

504 380

1 Hallamos las medias aritmticas.

2 Calculamos la covarianza.

3 Calculamos las desviaciones estndar.

4 Aplicamos la frmula del coeficiente de correlacin lineal.

Al ser el coeficiente de correlacin positivo, la correlacin es directa.

Como coeficiente de correlacin est muy prximo a 1 la correlacin es muy fuerte.
Los valores de dos variables X e Y se distribuyen segn la tabla siguiente:
Y/X

Determinar el coeficiente de correlacin.

Convertimos la tabla de doble entrada en tabla simple.
xi yi

fi

xi fi

xi2 fi

yi fi

yi2 fi

xi yi fi

18

16

16

16

10

20

15

45

30

12

48

12

32

16

120

41

97

76

20 40

Al ser el coeficiente de correlacin negativo, la correlacin es inversa.

Como coeficiente de correlacin est muy prximo a 0 la correlacin es muy dbil.

8. Recta de regresin
La recta de regresin es la que mejor se ajusta a la nube de puntos.
La recta de regresin pasa por el punto

llamado centro de gravedad.

Recta de regresin de Y sobre X

La recta de regresin de Y sobre X se utiliza para estimar los valores de la Y a partir de los
de la X.
La pendiente de la recta es el cociente entre la covarianza y la varianza de la variable X.

Recta de regresin de X sobre Y

La recta de regresin de X sobre Y se utiliza para estimar los valores de la X a partir de los
de la Y.
La pendiente de la recta es el cociente entre la covarianza y la varianza de la variable Y.

Si la correlacin es nula, r = 0, las rectas de regresin son perpendiculares entre s, y sus

ecuaciones son:
y=
x=

Ejemplo
El puntaje obtenido por 12 alumnos en una prueba de Matemticas y Fsica son los
siguientes:
Matemticas

2 3 4 4 5 6 6 7 7 8 10

10

Fsica

1 3 2 4 4 4 6 4 6 7 9

10

Hallar las rectas de regresin y representarlas.

xi2

yi2

xi

yi

xi yi

16

16

16

16

20

25

16

24

36

16

36

36

36

28

49

16

42

49

36

56

64

49

10 9

90

100 81

10 10 100

100 100

72 60 431

504 380

1 Hallamos las medias aritmticas.

2 Calculamos la covarianza.

3 Calculamos las varianzas.

4Recta de regresin de Y sobre X.

4Recta de regresin de X sobre Y.