Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
7-03-05
Estadstica Multivariada
PROBABILIDAD
Y ESTADSTICA
Carrera.
Satisfaccin con la
Universidad.
Puntaje de Ingreso.
Nmero de hermanos.
Etc.
DEPARTAMENTO
DE
De la
Poblacin de
Alumnos
USM
MATEMTICAS
20/03/2008
20/03/2008
Estadstica Multivariada
Estadstica Multivariada
Se Requieren herramientas
Computacionales especializadas
20/03/2008
20/03/2008
Anlisis Exploratorio
Multivariado
Anlisis Exploratorio
Multivariado
Matriz de Asociaciones
Matriz de Correlaciones.
Muestra la asociacin lineal entre
pares de variables.
20/03/2008
Primera Clase
20/03/2008
Humberto Villalobos
7-03-05
Organizacin de Datos
Organizacin de Datos
20/03/2008
20/03/2008
Organizacin de Datos
Organizacin de Datos
20/03/2008
20/03/2008
Organizacin de Datos
Organizacin de Datos
20/03/2008
Primera Clase
20/03/2008
Humberto Villalobos
7-03-05
Organizacin de Datos
Organizacin de Datos
Distribuciones Marginales.
20/03/2008
20/03/2008
Organizacin de Datos
Organizacin de Datos
20/03/2008
20/03/2008
Organizacin de Datos
Organizacin de Datos
APLICACIN 3: Un Socilogo dirigi una
investigacin para determinar la incidencia de un tipo
determinado de crimen variaba entre las cuatro
regin de mayor ndice delictual. Los crmenes de
inters para el socilogo son: asalto, robo hurto y
homicidio. La siguiente tabla presenta los resultados
en una muestra de 746, 918, 1527 y 854 crmenes para
la regin IV, V, Central, VIII, respectivamente
,
durante el ltimo
ao.
Frecuencia
Histograma
150
100
50
0
Flujo de rios
20/03/2008
Primera Clase
[Mg/m]
20/03/2008
Humberto Villalobos
7-03-05
Organizacin de Datos
Utilidad de
marginales.
Frecuencia
Organizacin de Datos
Central
distribuciones
40%
30%
20%
10%
0%
IV
las
VIII
Regin
Asalto
Robo
Hurto
Homicidio
20/03/2008
20/03/2008
Organizacin de Datos
Organizacin de Datos
Distribuciones condicionales.
Distribuciones Condicionales.
nA1
n
A
nA 2
n
A
fj
= #
i =A
#
nAr
n
A
20/03/2008
A = 1, ... , k
j = r
Organizacin de Datos
Organizacin de Datos
Primera Clase
j = 2
20/03/2008
20/03/2008
j = 1
20/03/2008
Humberto Villalobos
7-03-05
Organizacin de Datos
Organizacin de Datos
Robo
Hurto
Homicidio
Asalto
Robo
Hurto
Homicidio
20/03/2008
20/03/2008
Organizacin de Datos
Organizacin de Datos
Grfica de Dispersin
6e6
5e6
4e6
3e6
2e6
1e6
0
Otros
Ventas
Administrativo
Ejecutivo
Sub-Gerente
Gerente
Cargo
20/03/2008
Organizacin de Datos y
Estratificacin
Organizacin de Datos
Organizacin de Datos:
APLICACIN 4:
Un
estudio
de
una
administradora de fondos de pensiones acerca de
la opcin que toma el afiliado, con respecto al
tipo de fondo donde quiere mantener un mayor
porcentaje de sus ahorros previsiones, y su
respectivo nivel de ingresos (en miles de pesos)
Distribuciones Marginales
Se obtienen Indicadores por variable, segn
sea el tipo de escala de la variable.
Distribuciones Condicionales
Se obtienen Indicadores por variable, segn
sea el tipo de escala de la variable, en
variables de inters.
Mediante el uso adecuado de indicadores se
pueden asociar variables.
20/03/2008
Primera Clase
20/03/2008
Humberto Villalobos
7-03-05
Organizacin de Datos y
Estratificacin
Organizacin de Datos y
Estratificacin
APLICACIN 4:
Un
administradora de .
estudio
de
una
20/03/2008
20/03/2008
Organizacin de Datos y
Estratificacin
Asociacin de Variables
Existe una Matriz de Datos
APLICACIN 4:
Un
estudio
de
una
administradora de .
Utilizando la Marginal de Ingreso
20/03/2008
20/03/2008
Asociacin de Variables
Asociacin de Variables
Discreta
Cuantitativa
Continua
Nominal - Discreta
Intervalar
Nominal - Continua
Razn
Nominal - Ordinal
Nominal
Nominal - Nominal
Cualitativa
Ordinal
Continua - Continua
Tiempo traslado v/s Tiempo dedicado al estudi0
20/03/2008
Primera Clase
20/03/2008
Humberto Villalobos
7-03-05
Asociacin de Variables
Indicadores de Asociacin
Grficos Adecuados
20/03/2008
20/03/2008
20/03/2008
bolitas
rojas
bolitas
azules
20/03/2008
Primera Clase
Caracterstica A NO depende de la
Caracterstica B, luego sus distribuciones
tampoco
Cuntas
esperaras
de B1?
Muestra de 10 bolitas
Cuntas esperaras
que fuesen rojas
Humberto Villalobos
7-03-05
El clculo de la estadstica 2
rc
2 =
ij
nij
rc
( Observado Esperado )2
2 =
Esperado
ij
n n
n
nij j i
n
n j ni
Desarrollando el cuadrado
n j ni
n
n
i =
n
n
n
n j
rc
2 =
n
ij
20/03/2008
ni
20/03/2008
20/03/2008
Primera Clase
20/03/2008
2 =
20/03/2008
n nij2
H=
20/03/2008
Humberto Villalobos
7-03-05
n11 n21
=
n1 n2
20/03/2008
CC =
k 1
k
k 1
3
=
4
k
CC =
125,84
= 0,174
4045 + 125,84
CC
0,174
100% =
100% = 20, 09%
mx(CC )
0,866
T2 =
2
n (k 1) (r 1)
; V=
2
n min{k 1, r 1}
20/03/2008
Organizacin de Datos
Indicadores de Asociacin II
T2 =
Primera Clase
CC =
Organizacin de Datos
CC =
20/03/2008
k=r
20/03/2008
20/03/2008
2
n + 2
354, 44
= 0,3236
200 6 5
20/03/2008
Humberto Villalobos
7-03-05
Estadstica de Spearman
Estadstica de Spearman
Rangear datos
rs = 1
6
n( n
Ordinales
Continuos
d
1)
2
i
i =1
Rx = Rango de la variable x.
( Rx Ry )2
20/03/2008
20/03/2008
Estadstica de Spearman
12
rs = 8(64
0,857
1)
rs = 1
Ry = Rango de la variable y.
6
4
rrss ==1 0,
952
8(64 1)
Estadstica de Spearman
Grfica de Dispersin
6e6
5e6
4e6
3e6
2e6
1e6
0
Otros
Ventas Administrativo
EjecutivoSub-GerenteGerente
Cargo
Cuidado !
20/03/2008
20/03/2008
Estadstica de Spearman
Estadstica de Spearman
Siempre creciente
Siempre decreciente
6
14
6(36 1)
rs = 0, 60
Montona creciente
1
Montona decreciente -1
Primera Clase
20/03/2008
10
Humberto Villalobos
7-03-05
Estadstica de Spearman
Estadstica de Spearman
20/03/2008
rS ( S ; O) = 1
6 12,5
= 0,85
8 63
rS (Y ; O) = 1
6 50,5
= 0, 40
8 63
Estadstica de Kendall
20/03/2008
d2 =
d2 =
i =1
i =1
di2 = ( X i Yi )2
( X i Yi )2
i =1
20/03/2008
2
= d max
=
Estadstica de Kendall
Estadstica de Kendall
n(n 2 1)
3
ns nd
ns + nd
Primera Clase
6 24
= 0, 71
8 63
20/03/2008
20/03/2008
rS ( S ; Y ) = 1
=
20/03/2008
ns nd 25 3 22
=
=
= 0, 786
ns + nd 25 + 3 28
11
Humberto Villalobos
7-03-05
Indicadores de Asociacin IV
Estadstica de Pearson
Lineal decreciente
1
-1
20/03/2008
20/03/2008
Estadstica de Pearson
Anlisis Exploratorio
G RFICA DE DISPERSIN
GRFICA DE DISPERSIN
Y 100
80
60
40
20
0
Y 80
60
40
20
0
5
10
15
20
25
10
15
20
25
GRFICA DE DISPERSIN
GRFICA DE DISPERSIN
Y 600
Y 40000
400
30000
200
20000
10000
-200
22
27
32
37
12
17
22
27
20/03/2008
32
20/03/2008
Estadstica de Pearson
Estadstica de Pearson
rp
( yi
i=1
( yi
- y ) ( xi - x )
n
- y) 2
i=1
( xi -
rp =
x) 2
yi2
i =1
20/03/2008
Primera Clase
Desviaciones estndar
de cada variable
ny x
i =1
n
Mide la relacin
lineal ente un par
de variables
i=1
yi xi
rp =
cov( x, y)
sx s y
- n y2
xi2
cov =
- nx2
( yi
i =1
- y ) ( xi - x )
n 1
i =1
20/03/2008
12
Humberto Villalobos
7-03-05
Estadstica de Pearson
Estadstica de Pearson
Tiempo de Transporte
Tiempo Transporte
70
60
50
40
30
20
10
0
xT = 15, 609
xC = 13, 037
ST2
= 400, 491
ST = 20, 012
SC = 4,199
11
13
15
17
19
21
23
% de Capacidad no Utilizada
rp = 0, 7471
20/03/2008
20/03/2008
Estadstica de Pearson
Estadstica de Pearson
xP = 12, 467
Q [M/US$]
26
S P2
22
= 9,838
S P = 3,137
18
14
xQ = 17,867
SQ2 = 12, 267
SQ = 3,502
10
7
11
13
15
P [M/US $]
17
19
21
rp = 0,9684
20/03/2008
20/03/2008
Estadstica de Pearson
Estadstica de Pearson
ij ( m i
i ( mi
- y)
i =1
j ( m j
- x)
f ij mi m j -
yx
i = 1 j =1
rP =
i =1
Primera Clase
f
j =1
20/03/2008
- y ) ( x j - x )
i = 1 j =1
rP =
f i mi - y
f j m j - x
j =1
C = 25,417
SC2 = 39,393
20/03/2008
13
Humberto Villalobos
7-03-05
Estadstica de Pearson
La idea de Pronosticar
rp =
15 20 7 + 15 30 1 + ... + 35 60 6
25, 417 38,333
60
39,393 167, 225
20/03/2008
20/03/2008
Estimacin de Parmetros
Estimacin de Parmetros
20/03/2008
20/03/2008
Estimacin de Parmetros
Clara relacin
con el coeficiente
de Pearson
20/03/2008
Primera Clase
20/03/2008
14
Humberto Villalobos
7-03-05
Pronsticos en el % de Capacidad
Pronsticos en la Cantidad
70
60
50
40
30
20
10
0
Q [M/US$]
Tiempo de Transporte
Tiempo Transporte
22
18
14
10
11
13
15
17
19
21
23
11
% de Capacidad no Utilizada
20/03/2008
rp = 0, 7471
13
15
P [M/US $]
19
21
rp = 0,9684
20/03/2008
Pronsticos en el estrgeno
Enfoque Matricial
APLICACIN 7:
17
C = 25,417
SC2 = 39,393
E = 38,333
S E2 = 167, 225
rp = 0,84
39,393
( xi 38,333)
167, 225
20/03/2008
20/03/2008
Enfoque Matricial
Enfoque Matricial
1
1