Análisis de datos bidimensionales: relación entre variables en estadística

Francés7,4 KB

Análisis de datos bidimensionales

Relación entre variables

a) Independencia: el valor que toma una variable nos ayuda a estimar con > precisión el valor que toma la otra. Sin embargo, ninguna de las dos está influenciada por la otra, sin que exista una 3ª variable que influya en ambas. Por ejemplo, temperatura-nº de bodas.

b) Dependencia o causalidad: el valor que toma una variable se ve afectada por el valor que toma la otra. La variable que afecta a la otra es la variable independiente, mientras que la afectada es la dependiente. Por ejemplo, nivel de ingresos-gasto en ocio. En este caso, el nivel de ingresos es la variable independiente y el gasto en ocio dependiente.

En el caso extremo está la dependencia funcional: conociendo el valor de una variable, sabemos el valor que toma la otra. En contraposición, con dependencia estadística, si conocemos el valor de una variable, nos ayuda a estimar (pero no de forma exacta) el valor de la otra. Si no hay relación entre variables se habla de independencia.

Variables cuantitativas: medidas de relación

Las más habituales entre variables cuantitativas se basan en la covarianza: Covarianza (SXY): cov(fila;columna). Para ello, por un lado, hay que ir a datos y columnas que vamos a trabajar, pudiendo llevar el nombre o no, como en una tabla, y hacer la varianza (VAR.P) de cada columna de datos que vamos a trabajar.

Cuanta mayor dependencia entre variables, mayor covarianza tendrán. Para valores grandes y positivos de covarianza, valores altos de una variable se corresponden con valores altos de la otra. Para valores grandes y negativos de covarianza, valores altos de una variable se corresponden con valores bajos de la otra. Si las variables son independientes, la covarianza toma valores cercanos a 0.

Coeficiente de correlación (rXY): correl(fila;columna). La correlación cumple las mismas propiedades que la covarianza, pero está acotada: solo toma valores entre –1 y 1. Cuando r = –1 ó r = 1, existe dependencia funcional.

Coeficiente de determinación (R2): RSQ o coeficiente.r2(fila;columna)

Para estimación de algo, por ejemplo, precio de superficie en m cuadrados: si llamamos, por ejemplo, 40, después precio estimado = fórmula * 40 + q, o usando la fórmula PRONOSTICO(40;precio;superficie). Varía entre 0% y 100% y puede interpretarse: · >30%: fuerte correlación entre variables. · 30%: débil. · Cercano a 0%: no existe correlación entre variables.

Representación gráfica: Para variables cuantitativas se utiliza el diagrama de dispersión. En el eje de coordenadas, cada dato se representa mediante un punto cuyas coordenadas son valores de la variable. Cuando existe relación de causalidad, la variable horizontal (X) es la variable independiente. Cuando el coeficiente de correlación está cerca de 1, los puntos están sobre una recta ascendente. Cuando está cerca de -1, los puntos están sobre una recta descendente. Cuando está cerca de 0, el diagrama de dispersión no tiene tendencia clara. La recta que mejor se ajusta a los puntos se llama recta de regresión.

Variables cualitativas y ordinales: medidas de relación

Tablas múltiples representan simultáneamente 2 variables: cada celda representa la frecuencia absoluta. Los totales determinan las frecuencias marginales. Las frecuencias esperadas (los totales de filas por el total de columnas dividido entre el total de datos observados, o sea, la distribución del total de la 2ª columna de la tabla anterior por el total de la fila que estamos calculando, suele estar en la 3ª columna) indican la frecuencia que deberíamos encontrar en caso de que las variables fuesen independientes. Frecuencias observadas de nuevo. Las distribuciones: la 1ª (1ª columna según 1ª fila) es 1º valor observado / el total de esa misma columna, los totales de la última columna se hacen así. La 2ª (1ª fila según 1ª columna) es el valor observado de la 1ª columna / total de esa fila de la última columna.

Las medidas de relación miden la diferencia entre frecuencias absolutas y frecuencias esperadas.

Chi-cuadrado: Un valor bajo de χ2 indica que las variables son independientes (poca diferencia entre frecuencias), pero no está acotado. = suma de valores de la tabla de chi. Coeficiente de asociación: chi/total de los totales Coeficiente de contingencia: raíz(chi/(chi+total de los totales))

Estas medidas funcionan mejor cuando los valores esperados son suficientemente grandes. Un criterio es que al menos el 80% de las frecuencias esperadas sean 5 o más.

El coeficiente de contingencia varía entre 0% y 100%. Se puede interpretar: · >30%: fuerte relación entre variables. · 30%: débil relación entre variables. · cercano a 0%: no existe relación entre variables.

Representación gráfica, gráfico de columnas: Para variables cualitativas y ordinales, los gráficos de columnas son útiles para representar 2 variables simultáneamente. Las columnas se agrupan según el valor de una de las variables, y en cada grupo se dibujan columnas correspondientes a la otra variable. En este caso, tenemos 3 posibilidades:

· Gráfico de columnas agrupadas: cuando nos interesa la frecuencia de cada subgrupo. Las columnas en cada grupo se dibujan pegadas horizontalmente.

· Gráfico de columnas apiladas: cuando nos interesa la frecuencia de la variable de agrupación. Las columnas en cada grupo se dibujan apiladas verticalmente.

· Gráfico de columnas apiladas al 100%: cuando no nos interesa la frecuencia absoluta de los grupos, sino solo la distribución de la 2ª variable dentro de cada grupo. En este caso, el eje de ordenadas indica la frecuencia relativa dentro de cada grupo, por lo que varía de 0% a 100%.

Gráfico de barras: Al igual que los gráficos de columnas, se pueden utilizar para representar 2 variables agrupando, apilando o apilando al 100% barras. También se puede aplicar el truncamiento en caso necesario.

Descargar

PDF Word HTML