Universidad peruana los andes

Facultad: ingeniería
Escuela académico profesional: ing. civil
Estadística

Ciclo: III sección: b2

Curso: estadística

Alumno: silva cabello Sergio

Código: j05794d

Huancayo - Perú

2018
 DISTRIBUCIONES BIDIMENSIONALES

Tablas estadísticas bidimensionales

El objetivo de las Ciencias es establecer leyes que relacionen las

propiedades de los objetos que se estudian, con ello se consigue que pueda
explicarse y predecirse una característica, en función de los valores de otras
características. Habitualmente las relaciones se refieren a propiedades que han
sido cuantificadas, lo que permite expresarlas en términos de correspondencias
numéricas.

La determinación, o la constatación, de una ley requerirán que se

observen y registren ordenadamente, todas las variables que intervienen en la
expresión de dicha ley. Por ello en este capítulo, situándonos en la relación
más sencilla posible, la que liga los valores de dos variables, nos ocuparemos
de la tabulación, síntesis y medida de la relación, de las distribuciones
bidimensionales, es decir, de aquellas en las que simultáneamente se han
registrado dos variables en cada individuo. Para ilustrar estos conceptos
utilizaremos como ejemplo la situación experimental de Sternberg, donde se
relaciona la longitud de listas de palabras sin sentido, presentadas a los
sujetos, con el tiempo de respuesta necesario para decidir si una nueva palabra
pertenece a la lista original.

Supongamos que en una serie de repeticiones de esta tarea, se han obtenido

los siguientes datos:

(2,2) (2,3) (2,3) (2,4) (2,2) (3,3) (3,4) (3,2) (3,3) (3,2) (3,5) (3,4) (3,3) (4,5)
(4,4) (4,5) (4,3) (4,2) (4,4) (4,3) (5,4) (5,5) (5,5) (5,3) (5,5) (6,5) (6,6) (6,4)

(6,4) (6,3) (6,5) (7,5) (7,6) (7,5) (7,6) (7,4) (7,3)

Donde el primer número representa la longitud de la lista y el segundo el

tiempo de respuesta, expresado en décimas de segundo.

Podríamos, de forma análoga al caso de las distribuciones unidimensionales,

tomar los posibles pares de valores y tabular el número de veces que ocurre
cada uno de ellos, en la forma siguiente:

Valores Frecuencias
(2,2) 2
 (2,3) 2
(2,4) 1
(3,2) 2
(3,3) 3
(3,4) 2
··· ···
Sin embargo, esta forma de organizar los resultados, no pone de
manifiesto la relación entre ambas variables que es lo más importante en estas
distribuciones.

Buscando resaltar esta relación, adoptaremos una tabulación en forma

de tabla de doble entrada

2 3 4 5 6
2 2 2 1 - -
3 2 3 2 1 -
4 1 2 2 2 -
5 - 1 1 3 -
6 - 1 2 2 1
7 - 1 1 2 2

Donde los números que inician las filas representan los valores de la
variable longitud de la lista. Las cifras que encabezan las columnas, indican el
valor de la variable tiempo de respuesta y los números interiores son las
frecuencias, es decir, el número de veces que se presenta cada par.

Distribuciones marginales

Si en la distribución anterior, contabilizamos cuantos ensayos se han

hecho con listas de dos elementos, obtendremos que han sido 5. Los ensayos
con listas de 3 elementos, han sido 8. Si continuamos haciendo este recuento
obtendremos la siguiente distribución:

Nº de Nº de
element ensayos
os
2 5
3 8
4 7
5 5
6 6
7 6
Tot 37
al
 Esta distribución unidimensional, es la distribución de la variable número
de elementos de la lista, independientemente de los valores que tome la
variable tiempo de respuesta y se denomina distribución marginal de dicha
variable, como puede verse esta distribución se obtiene totalizando por filas en
la tabla de la distribución bidimensional:

2 3 4 5 6 Total
es
2 2 2 1 - - 5
3 2 3 2 1 - 8
4 1 2 2 2 - 7
5 - 1 1 3 - 5
6 - 1 2 2 1 6
7 - 1 1 2 2 6

Si ahora, en esta distribución unidimensional, calculamos la media y la

varianza obtendremos las denominadas media y varianza marginal, de la
variable número de ensayos:

Nº de Nº de xi·ni x2
element ensayos ·
n
i
os
i
2 5 10 20
3 8 24 72
4 7 28 11
2
5 5 25 12
5
6 6 36 21
6
7 6 42 29
4
Tot 37 165 83
al 9

La media será 165/37 = 4,46

Y la varianza 839/37 - 4,462 = 2,78

De manera análoga, si contamos el número de ensayos en que el tiempo

de respuesta fue de dos décimas, tendremos que han sido 5. El número de
ensayos en que el tiempo de respuesta fue tres décimas, es 10. Haciendo este
cálculo, para todos los valores de la variable tiempo de respuesta,
obtendríamos su distribución marginal que será:
 T. respuesta Nº ensayos
2 5
3 10
4 9
5 10
6 3
Tot 37
al
Esta distribución puede obtenerse en la tabla bidimensional totalizando
por columnas:

2 3 4 5 6
2 2 2 1 - -
3 2 3 2 1 -
4 1 2 2 2 -
5 - 1 1 3 -
6 - 1 2 2 1
7 - 1 1 2 2
Total 5 10 9 10 3
es

Los cálculos de media y varianza marginal del tiempo de respuesta serán:

T. de Nº de yj·nj yj2
respuesta ensayos ·nj
2 5 10 20
3 10 30 90
4 9 36 14
4
5 10 50 25
0
6 3 18 10
8
Tot 37 144 61
al 2
La media es 144/37 = 3,89
Y la varianza 612/37 - 3,892 = 1,41

Distribuciones condicionadas
Las distribuciones condicionadas describen el comportamiento de una
variable en la subpoblación, o submuestra, determinada por todos los
elementos que tienen un mismo valor en la otra variable. Así si consideramos la
distribución del tiempo de respuesta en los ensayos cuya lista tiene dos
elementos, tendremos el siguiente subconjunto de observaciones:

(2,2) (2,3) (2,3) (2,4) (2,2)

Tabulando estos datos obtenemos la siguiente tabla estadística:

T. respuesta Nº ensayos
2 2
3 2
4 1
5 -
6 -
Tot 5
al

Como puede observarse, esta distribución de frecuencias es idéntica a la

que aparece en la primera fila de la tabla bidimensional, por ello para calcular
las siete distribuciones condicionadas del tiempo de respuesta, una por cada
valor de la variable longitud de la lista, no es necesario volver a tabular los
datos, sino que basta con considerar las frecuencias que aparecen en la fila
correspondiente al valor de la longitud de la lista que se desee.

Análogamente, si quisiéramos conocer la distribución de la variable

longitud de la lista, en aquellas pruebas en que el tiempo de respuesta ha sido
de 4 décimas, tendríamos que estudiar el siguiente subconjunto de ensayos:

(2,4) (3,4) (3,4) (4,4) (4,4) (5,4) (6,4) (6,4) (7,4)

Nº de Nº de
element ensayos
os
2 1
3 2
4 2
5 1
6 2
7 1
Tot 9
al
Como vemos, esta distribución de frecuencias se corresponde con la
columna encabezada por el valor 4, en la tabla bidimensional. Esto nos indica
que las diferentes distribuciones condicionadas de esta variable vienen dadas
por las correspondientes columnas de la tabla.

Las medias y varianzas de estas distribuciones reciben el nombre de

medias y varianzas condicionadas. Por ejemplo la media y la varianza del
tiempo de respuesta en los ensayos con listas de longitud dos serán:
 T. de Nº de yj yj2
respuesta ensayos ·n ·nj
j
2 2 4 8
3 2 6 18
4 1 4 16
5 - - -
6 - - -
Tot 5 14 42
al

La media es 14/5 = 2,8 y la varianza 42/5 - 2,8 2 = 0,56

En general, las medias y varianzas condicionadas diferirán de una

distribución a otra, por ejemplo las medias del tiempo de reacción
condicionadas por las distintas longitudes de la lista son:

Y2 = 2,8 Y3 = 3, 25 Y4 = 3, 71 Y5 = 4, 4 Y6 = 4, 5 Y7 = 4,83
Esto nos indica cómo cambia el tiempo medio de reacción en función de
la longitud de la lista, sobre esta idea volveremos en el capítulo próximo
cuando hablemos de regresión.

Relaciones Estadísticas

Si en una distribución bidimensional a cada valor, o modalidad, de una

variable le corresponde un único valor, o modalidad, de la otra variable, se dice
que la segunda variable depende funcionalmente de la primera. Este tipo de
relación puede expresarse mediante una función:

y = f(x)

Por ejemplo: En un test de 100 preguntas de verdadero o falso, en que

haya obligación de contestar a todas las preguntas, la puntuación obtenida
depende funcionalmente del número de aciertos, ya que a un cierto número de
aciertos le corresponde una y solo una puntuación. Esta relación podría
expresarse por medio de la siguiente función:

y = 2x – lOO

Las distribuciones bidimensionales en las que existe dependencia

funcional se reconocen fácilmente, ya que si la segunda variable depende
funcionalmente de la primera, en cada fila aparecerá una sola frecuencia
distinta de cero.
 La situación opuesta es la independencia de las variables. En este caso
los valores que toma una variable no guardan ninguna relación con los valores
de la otra variable. Esta situación se refleja en que todas las distribuciones
condicionadas de una variable, son iguales entre si e iguales a su distribución
marginal.

En Psicología, ya sea por la falta de control o por una variabilidad

intrínseca, las relaciones entre variables incluyen un término aleatorio que hace
que para cada valor de la variable, puedan aparecer distintos valores de la otra
variable, pero también es cierto que no todos los valores serán posibles, ni se
darán con la misma frecuencia.

Por ejemplo, en la tabla de la distribución bidimensional de las variables,

longitud de la lista y tiempo de respuesta, las mayores frecuencias tienden a
presentarse alrededor de la diagonal principal, indicando con ello la tendencia a
que aumente el tiempo de respuesta, cuando aumenta la longitud de la lista.
Esta situación puede apreciarse claramente, si representamos gráficamente el
conjunto de resultados de los ensayos:

Donde, en abscisas se ha representado la longitud de la lista, en

ordenadas los tiempos de respuesta y el grosor del trazo indica la frecuencia.

Este tipo de relaciones son las que denominamos relaciones

estadísticas. En ellas una variable está determinada en parte por los valores de
la otra variable, pero manteniendo un cierto grado de aleatoriedad. Nuestra
primera tarea será medir la relación existente entre ambas variables, como
expresión del grado en que una variable fija el valor de la otra.

Covarianza
Un indicador del grado de relación lineal que existe entre dos variables,
es la covarianza, que denotaremos por SXY y que se define por la expresión:
 n

�( x - X )( y i j -Y )
S XY = i =1

Si los datos están tabulados, cada par de valores (xi, yj) se presenta un
cierto número de veces que indica su frecuencia nij y en consecuencia la
expresión anterior se transforma en:

h k

��( x - X )( y
j =1 i =1
i j - Y ).nij
S XY =
n

Esta expresión es un indicador del grado de relación lineal de ambas

variables y del sentido de la misma, porque si ambas variables tienen una
relación directa, a valores altos de X corresponderán valores altos de Y y a
valores bajos de X valores bajos de Y, en consecuencia las diferencias a la
media serán grandes y del mismo signo, con lo cual la covarianza tomará un
valor alto y positivo. Si la relación es inversa, a valores altos de X
corresponderán valores bajos de Y y viceversa, por ello las diferencias a las
respectivas medias serán grandes, pero de distinto signo y la covarianza será
negativa, aunque su valor absoluto será alto. En el caso de que exista poca
relación entre las variables, las diferencias serán aleatoriamente positivas y
negativas y tenderán a compensarse con lo cual la covarianza tendrá un valor
pequeño en términos absolutos.

Al igual que ocurría en el caso de la varianza, la formula anterior sirve

para definir la covarianza, pero es incómoda para realizar los cálculos pues en
general las diferencias a las medias tendrán fracciones decimales. Se prefiere
por ello utilizar las siguientes expresiones:
n

�x . y i j
S XY = i =1
- X .Y
n
h k

��x . y .n
j =1 i =1
i j ij

S XY = - X .Y
n

Coeficiente de correlación de Pearson

La covarianza no es un buen indicador de la correlación, o grado de

relación, lineal entre dos variables pues no está normalizada, es decir no hay
un valor que sea el máximo alcanzable, ni tampoco un mínimo, por lo que su
interpretación es difícil.
 También sucede que la covarianza depende de las unidades empleadas
en las variables, si cambiamos de escala una de las variables la covarianza
cambiará de valor, sin que se haya alterado el grado de relación entre las
variables. Por ello, se prefiere como indicador del grado de relación lineal entre
dos variables, el coeficiente de correlación lineal, o coeficiente de correlación
de Pearson, que es simplemente la covarianza entre dos variables, medidas en
unidades de sus respectivas desviaciones típicas, o más brevemente, la
covarianza de las puntuaciones típicas. La expresión será por tanto:

S XY
rXY =
S X .SY

Si sustituimos la covarianza y las desviaciones típicas, por las

expresiones empleadas para su cálculo y multiplicamos numerador y
denominador por n, tendremos:
n

�x . y - nXY
i i
rXY = i =1

�xi
2
i - nX 2 �yi
2
i - nY 2

Que es la fórmula habitualmente indicada en los textos, para su cálculo.

El coeficiente de correlación de Pearson es un número sin dimensiones,

comprendido entre -1 y 1. En razón de su propia definición, goza de la
propiedad de ser invariante frente a cambios de escala y origen, por ello el
valor obtenido es el mismo si se calcula a partir de las puntuaciones iniciales,
de las puntuaciones diferenciales o de las puntuaciones típicas, o de cualquier
otra puntuación obtenida por transformación lineal de las originales.

El coeficiente de correlación nos proporciona dos tipos de información,

su signo nos indica el sentido de la relación. Si el coeficiente es positivo indica
una relación directa, al aumentar una variable aumenta la otra y viceversa al
disminuir una variable disminuye la otra. Por el contrario, si el coeficiente es
negativo estamos frente a una relación inversa, donde al aumentar una variable
disminuye la otra. El valor absoluto del coeficiente de Pearson nos señala el
grado de relación, cuando su valor es 1, estamos en un caso de relación
perfecta o relación funcional, esto quiere decir que si representásemos los
pares de valores X e Y obtendríamos una línea recta perfecta.

Cuando el valor es cero, diremos que las variables están incorreladas,

esto nos indica la ausencia de relación lineal entre las dos variables, bien
porque las variables son independientes, lo que daría origen a un gráfico del
tipo siguiente:
 O bien porque la relación existente entre ellas es de otro tipo, cuadrática,
etc. en cuyo caso la gráfica que obtendríamos sería:

Ejemplo: En una muestra de 15 estudiantes se ha pasado un test de

inteligencia, cuyas puntuaciones se reflejan en la variable X, y se ha
determinado su rendimiento en una prueba, las puntuaciones de esta última se
recogen en la variable Y. La tabla siguiente nos proporciona los valores de
estas variables, así como los cálculos básicos necesarios para determinar el
valor del coeficiente de correlación de Pearson:

Sujet xi yi xi·yi xi2 yi2

o
1 9 5 45 81 2
5
2 1 5 60 14 2
2 4 5
3 6 1 6 36 1
4 9 4 36 81 1
6
5 7 2 14 49 4
6 9 2 18 81 4
7 5 1 5 25 1
8 9 3 27 81 9
9 7 3 21 49 9
10 3 1 3 9 1
11 1 4 40 10 1
0 0 6
12 6 2 12 36 4
13 1 5 55 12 2
1 1 5
14 4 2 8 16 4
15 1 5 65 16 2
 3 9 5
Total 1 45 41 10 1
es 2 5 78 6
0 9

La media de X es 120/15 = 8
La media de Y es 45/15 = 3
La covarianza es 415/15 - 24 = 3,67
La varianza de X es 1078/15 - 64 = 7,87
La desviación típica 2,8 La varianza de Y es 169/15 - 9 = 2,27 y la
desviación típica 1,5

Por consiguiente el coeficiente de correlación es:

3, 67
r= = 0,87
2,8 �1,5
Esto nos indica que la relación entre inteligencia y rendimiento, en esa
prueba, es directa, como cabría esperar, y bastante alta. Podemos observar
ambas cuestiones en la representación gráfica:

Hemos de señalar que la existencia de correlación, aunque esta sea

alta, no implica necesariamente la existencia de una relación causal. En
principio ambas cosas son de naturaleza diferente, la correlación es una
medida estadística que indica el grado de variación conjunta, covariación, de
dos variables, mientras que la idea de relación causal es de orden metafísico.
Cierto es que si existe una relación causal entre dos variables, esto dará origen
a una correlación alta entre ambas, pero la recíproca no es cierta, puede existir
una correlación alta entre dos variables sin que exista relación causal entre
ellas. La explicación, más habitual, para situaciones de este tipo es la
existencia de una tercera variable, de la cual dependen las otras dos y que da
origen a esa variación conjunta de los valores.
 MEDIA ARITMÉTICA

La media aritmética es el valor obtenido al sumar todos los datos y dividir el

resultado entre el número total de datos.

X Es el símbolo de la media aritmética.

X 1 + X 2 + X 3 + ... + X n
X=
N
n
X = �X i
i =1

Ejemplo:

Los pesos de seis amigos son: 84, 91, 72, 68, 87 y 78 kg. Hallar el peso medio.

Media aritmética para datos agrupados

Si los datos vienen agrupados en una tabla de frecuencias, la expresión de la
media es:

Ejercicio de media aritmética

En un test realizado a un grupo de 42 personas se han obtenido las

puntuaciones que muestra la tabla. Calcula la puntuación media.

Propiedades de la media aritmética

1. La suma de las desviaciones de todas las puntuaciones de una

distribución respecto a la media de la misma igual a cero.

La suma de las desviaciones de los números 8, 3, 5, 12, 10 de su media

aritmética 7.6 es igual a 0:

8 − 7.6 + 3 − 7.6 + 5 − 7.6 + 12 − 7.6 + 10 − 7.6 =

= 0. 4 − 4.6 − 2.6 + 4. 4 + 2. 4 = 0

2. La suma de los cuadrados de las desviaciones de los valores de la

variable con respecto a un número cualquiera se
hace mínima cuando dicho número coincide con la media aritmética.

3. Si a todos los valores de la variable se les suma un mismo número,

la media aritmética queda aumentada en dicho número.
 4. Si todos los valores de la variable se multiplican por un
mismo número la media aritmética queda multiplicada por
dicho número.

Observaciones sobre la media aritmética

1. La media se puede hallar sólo para variables cuantitativas.

2. La media es independiente de las amplitudes de los intervalos.
3. La media es muy sensible a las puntuaciones extremas. Si tenemos una
distribución con los siguientes pesos:
65 kg, 69kg, 65 kg, 72 kg, 66 kg, 75 kg, 70 kg, 110 kg.
La media es igual a 74 kg, que es una medida de centralización poco
representativa de la distribución.
4. La media no se puede calcular si hay un intervalo con una amplitud
indeterminada.

En este caso no es posible hallar la media porque no podemos calcular la

marca de clase de último intervalo.

LA MEDIANA

Es el valor que ocupa el lugar central de todos los datos cuando éstos están
ordenados de menor a mayor.
La mediana se representa por Me.
La mediana se puede hallar sólo para variables cuantitativas.

Cálculo de la mediana

1. Ordenamos los datos de menor a mayor.

2. Si la serie tiene un número impar de medidas la mediana es la
puntuación central de la misma.
2, 3, 4, 4, 5, 5, 5, 6, 6 Me = 5
3. Si la serie tiene un número par de puntuaciones la mediana es la media
entre las dos puntuaciones centrales.
7, 8, 9, 10, 11, 12 M e = 9.5

Cálculo de la mediana para datos agrupados

La mediana se encuentra en el intervalo donde la frecuencia acumulada llega
hasta la mitad de la suma de las frecuencias absolutas.

Es decir tenemos que buscar el intervalo en el que se encuentre

L i es el límite inferior de la clase donde se encuentra la mediana

Es la semisuma de las frecuencias absolutas.

F i - 1 es la frecuencia acumulada anterior a la clase mediana

a i es la amplitud de la clase.

La mediana es independiente de las amplitudes de los intervalos

Ejemplo
Calcular la mediana de una distribución estadística que viene dada por la
siguiente tabla:

100/2 = 50
Clase de la mediana: [66, 69)

LA MODA

La moda es el valor que tiene mayor frecuencia absoluta.

Se representa por M o
Se puede hallar la moda para variables cualitativas y cuantitativas.

Hallar la moda de la distribución:

2, 3, 3, 4, 4, 4, 5, 5 Mo = 4

Si en un grupo hay dos o varias puntuaciones con la misma frecuencia y

esa frecuencia es la máxima, la distribución es bimodal o multimodal, es
decir, tiene varias modas.
1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9 M o = 1, 5, 9

Cuando todas las puntuaciones de un grupo tienen la misma frecuencia, no hay

moda.
2, 2, 3, 3, 6, 6, 9, 9

Si dos puntuaciones adyacentes tienen la frecuencia máxima, la moda es el

promedio de las dos puntuaciones adyacentes.
0, 1, 3, 3, 5, 5, 7, 8 Mo = 4

Cálculo de la moda para datos agrupados

1º Todos los intervalos tienen la misma amplitud.

L i es el límite inferior de la clase modal.

f i es la frecuencia absoluta de la clase modal.
f i - - 1 es la frecuencia absoluta inmediatamente inferior a la clase modal.
f i - + 1 es la frecuencia absoluta inmediatamente posterior a la clase modal.
a i es la amplitud de la clase.

También se utiliza otra fórmula de la moda que da un valor aproximado de

ésta:

Ejemplo

Calcular la moda de una distribución estadística que viene dada por la siguiente
tabla:

2º Los intervalos tienen amplitudes distintas.

En primer lugar tenemos que hallar las alturas.

La clase modal es la que tiene mayor altura.

La fórmula de la moda aproximada cuando existen distintas amplitudes es:

Ejemplo

En la siguiente tabla se muestra las calificaciones (suspenso, aprobado,

notable y sobresaliente) obtenidas por un grupo de 50 alumnos. Calcular la
moda.