Clase 4 - Estadistica Descriptiva Multivariada

Capitulo 1:
Estadística Descriptiva Multivariada

Coeficiente de variación
Coeficiente de correlación y Covarianza
Msc. Sandra González
Coeficiente de variación
Muestral
𝑠
𝐶𝑉 =
𝑥ҧ
𝑠
𝐶𝑉 = x 100%
𝑥ҧ
 Donde S es la desviación típica de la muestra y 𝑥ҧ es la media de la muestra

 Mide la dispersión relativa de X con respecto a 𝑥ҧ
 Medida comparativa entre dos características X e Y cuando las escalas en que se
miden difieren de manera notoria. Ej, X la estatura en cms y Y los ingresos en dólares.
 Mientras el valor es mayor, la dispersión en esa variable es mayor
Ejemplo 1:
Una muestra de alumnos de un colegio tienen una estatura media de 160 cm con una desviación
estándar de 16 cm. Estos mismos alumnos, tienen un peso medio de 70 kg con una desviación
estándar de 14 kg. ¿Cuál de las 2 variables presenta mayor variabilidad relativa?
Ejemplo 2:
Dos empresas reportan los siguientes rendimientos de capital para los accionistas en un
periodo de 5 años en porcentajes. Calcule el coeficiente de variación para cada
empresa y compare los resultados.
Años 2014 2015 2016 2017 2018
Empresa A 13.2 5 10.2 17.5 12.9
Empresa B 4.3 4.9 7.2 6.7 11.6
Covarianza
 En probabilidad y estadística, la covarianza es un valor que indica el
grado de variación conjunta de dos variables aleatorias respecto a sus
medias.
 El signo de la covarianza, por lo tanto, expresa la tendencia en la
relación lineal entre las variables.
Fórmula de la Covarianza de una muestra
 La covarianza de la muestra entre dos variables X e Y se puede calcular de manera
simple como:
Matriz de Varianzas y covarianzas de una
muestra
 Una matriz de varianzas-covarianzas es una matriz cuadrada que contiene las varianzas
y covarianzas asociadas con diferentes variables.
 Los elementos de la diagonal de la matriz contienen las varianzas de las variables,

mientras que los elementos que se encuentran fuera de la diagonal contienen las
covarianzas entre todos los pares posibles de variables
𝑠𝑥2 𝑠𝑥𝑦 𝑠𝑥2 𝑠𝑥𝑦 𝑠𝑥𝑧

Σ𝑥𝑦 =
𝑆𝑦𝑥 𝑠𝑦2 Σ𝑥𝑦𝑧 = 𝑠𝑦2 𝑠𝑦𝑧
𝑠𝑧2
Ejemplo 3: Las notas de 10 alumnos y alumnas de una clase de matemáticas y
física se detallan en la tabla siguiente.
Mat Física
7 8
6 6
4 3
5 6
9 10
10 9
3 1
1 2
10 10
6 5
1. Calcular la covarianza de los datos

2. Expresar los resultados en forma de la matriz de varianzas y
covarianzas
Correlación
Covarianza entre X e Y
𝑐𝑜𝑣(𝑥,𝑦) 𝑆𝑥𝑦
C𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑒 𝑋 𝑦 𝑌 = 𝑟𝑥𝑦 = =
𝑠𝑥 𝑠𝑦 𝑠𝑥 𝑠𝑦
 ( x − x )( y − y ) Desviación
r= n −1 típica de X
multiplicada
 ( x − x ) 2
 ( y − y ) 2
por la
desviación
n −1 n −1 típica de Y
rxy =
 ( x − x )( y − y ) Indicador de relaciones lineales entre dos
[ ( x − x ) ][ ( y − y )
2 2
] variables X y Y de una misma muestra
Mide la “Fortaleza” de la relación lineal
Características de r
 No tiene unidad de medida.

 Varía entre -1 y 1.
 La cercanía a -1 indica fuerte relación lineal negativa.
 La cercanía a 1 indica fuerte relación lineal positiva.
 La cercanía a 0 indica débil relación lineal.
 +1 ó -1 son correlaciones perfectas donde todos los datos (puntos) caen sobre
una línea recta.
Gráficos de Dispersión: Ejemplo
No hay relación
Relaciones fuertes
y
y
x
x
y
y
x
x
MATRIZ DE CORRELACIÓN
Es una representación ordenada de los coeficientes de correlación de cada
variable con otra variable y consigo misma
𝑟11 = 𝑟22 = 1
Ejemplo 4:
Utilizando los mismos datos del ejemplo 3, calcular lo siguiente:
1. Correlación entre las variables

2. Expresar los resultados en forma de la matriz de correlación
Referencias
 Probabilidad y Estadística: Fundamentos y Aplicaciones (2010) Autor: Gaudencio Zurita, Segunda Edición. Editorial
Centro de Publicaciones ESPOL, Ecuador.
 Probabilidad y Estadistica para Ingenieros(2011), Autores: Miller y Freud, octava edición
 Probabilidad y Estadística Básica para Ingenieros, con soporte de MATLAB (2007) Autor: Luis Rodríguez. Libro virtual.
Sitio web Departamento de Matemáticas, ESPOL, Ecuador.
 Probabilidad y estadística para ingeniería y ciencias, 9Ed(2013) Autores: Ronald E. Walpole ,Raymond H. Myers,
Sharon L. Myers
 Estadistica Matemática con aplicaciones (2002) Autores: Dennis Wackerly, William Mendenhall y Richard Scheaffer,
Séptima Edición.

Clase 4 - Estadistica Descriptiva Multivariada

Cargado por

Copyright:

Formatos disponibles

Clase 4 - Estadistica Descriptiva Multivariada

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase 4 - Estadistica Descriptiva Multivariada

Cargado por

Copyright:

Formatos disponibles

Capitulo 1:

Estadística Descriptiva Multivariada

 Donde S es la desviación típica de la muestra y 𝑥ҧ es la media de la muestra

 Los elementos de la diagonal de la matriz contienen las varianzas de las variables,

𝑠𝑥2 𝑠𝑥𝑦 𝑠𝑥2 𝑠𝑥𝑦 𝑠𝑥𝑧

1. Calcular la covarianza de los datos

 No tiene unidad de medida.

Utilizando los mismos datos del ejemplo 3, calcular lo siguiente:

1. Correlación entre las variables

También podría gustarte