Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Bidimensional

2,610 views

Published on

Estadística bidimensional

Published in: Education
  • Be the first to comment

Bidimensional

  1. 1. ESTADÍSTICA BIDIMENSIONAL ESTADÍSTICA BIDIMENSIONAL
  2. 2. 1. Variable estadística bidimensional1. Variable estadística bidimensional És la que s’obté en considerar conjuntament dues variables estadístiques unidimensionals X i Y, relatives a una mateixa població. Es representa pel parell (X, Y). El conjunt de totes les dades procedents de l’observació d’una variable estadística bidimensional s’anomena distribució bidimensional. És la que s’obté en considerar conjuntament dues variables estadístiques unidimensionals X i Y, relatives a una mateixa població. Es representa pel parell (X, Y). El conjunt de totes les dades procedents de l’observació d’una variable estadística bidimensional s’anomena distribució bidimensional.
  3. 3. 2. Organització de dades2. Organització de dades Taules de doble entradaTaules de doble entrada GràficsGràfics
  4. 4. 3. Anàlisi de dades 3.1. Relació entre variables 3. Anàlisi de dades 3.1. Relació entre variables Entre dues variables estadístiques hi ha dependència funcional si estan relacionades de manera que sigui possible determinar amb exactitud els valors que pren una variable a partir dels que pren l’altra. Hi ha dependència estadística o correlació quan els valors que pren una variable estan relacionats amb els valors que pren l’altra, però no d’una manera exacta. Dues variables estadístiques són independents si no es pot establir CAP relació entre els valors que pren l’una i els que pren l’altra.
  5. 5. Determina si entre els següents parells de variables existeix dependència funcional o estadística, o bé si són independents. a) Talla de sabates i l’alçada b) Color dels cabells i professió c) Radi i longitud de la circumferència d) Coeficient intel·lectual i pes Determina si entre els següents parells de variables existeix dependència funcional o estadística, o bé si són independents. a) Talla de sabates i l’alçada b) Color dels cabells i professió c) Radi i longitud de la circumferència d) Coeficient intel·lectual i pes
  6. 6. 3.2. Interpretació gràfica de la relació entre variables3.2. Interpretació gràfica de la relació entre variables Quan els punts del núvol es situen sobre una corba de la qual podríem determinar l’expressió matemàtica, podem parlar d’una dependència funcional entre les variables X i Y. Quan els punts del núvol es situen sobre una corba de la qual podríem determinar l’expressió matemàtica, podem parlar d’una dependència funcional entre les variables X i Y. Quan els punts s’agrupen al voltant d’una possible corba, no gaire definida, però que es pot reconèixer, podem parlar d’una dependència estadística o correlació entre les variables X i Y. Quan els punts s’agrupen al voltant d’una possible corba, no gaire definida, però que es pot reconèixer, podem parlar d’una dependència estadística o correlació entre les variables X i Y. Quant els punts del núvol no s’agrupen al voltant de cap corba, ens trobem amb independència entre les variables X i Y. Quant els punts del núvol no s’agrupen al voltant de cap corba, ens trobem amb independència entre les variables X i Y.
  7. 7. 3.3. Grau, sentit i tipus de la correlació3.3. Grau, sentit i tipus de la correlació • Parlem de correlació forta entre les variables, quan el núvol s’ajusta força bé a una corba. • Quan l’ajustament a una corba no és tan fort, parlarem de correlació dèbil entre les variables.
  8. 8. Signe de la correlacióSigne de la correlació Correlació positiva Correlació negativa
  9. 9. Tipus de correlacióTipus de correlació • Correlació lineal • Correlació curvilínia
  10. 10. 3.4. Coeficient de Pearson3.4. Coeficient de Pearson
  11. 11. 4. Regressió Lineal4. Regressió Lineal Un dels objectius que es persegueix, en estudiar conjuntament dues variables X i Y, és trobar alguna manera de predir els valors d’una variable un cop coneguts els de l’altra. Un dels objectius que es persegueix, en estudiar conjuntament dues variables X i Y, és trobar alguna manera de predir els valors d’una variable un cop coneguts els de l’altra.
  12. 12. 4.1. Rectes de regressió i prediccions4.1. Rectes de regressió i prediccions
  13. 13. En general les rectes de regressió no coincideixen, tanmateix sempre es compleix que: •Totes dues estan més pròximes com més gran és r. •Si existeix dependència funcional entre les variables, les dues rectes coincideixen. •Si X i Y són independents, les rectes són perpendiculars entre elles i paral·leles als eixos. En general les rectes de regressió no coincideixen, tanmateix sempre es compleix que: •Totes dues estan més pròximes com més gran és r. •Si existeix dependència funcional entre les variables, les dues rectes coincideixen. •Si X i Y són independents, les rectes són perpendiculars entre elles i paral·leles als eixos.
  14. 14. Resum de fórmulesResum de fórmules
  15. 15. ExemplesExemples

×