TEMA: Análisis exploratorio de datos.
ESTADÍSTICA BIVARIADO
Hasta el momento, sólo hemos considerado a las variables
aleatorias por separado, sin que exista ninguna interrelación
entre estas.
En muchos campos de aplicación y en particular, en las Ciencias
de la Tierra, es frecuentemente más importante conocer el patrón
de dependencia que relaciona a una variable aleatoria X
(porosidad) con otra variable aleatoria Y (permeabilidad).
Por lo que le dedicaremos especial atención al análisis conjunto de
dos variables aleatorias, conocido como análisis bivariado.
INGENIERIA TOPOGRAFICA Y AGRIMENSURA
TEMA: Análisis exploratorio de datos.
Función de Distribución de Probabilidad Bivariada
La distribución de probabilidad conjunta de un par de variables
aleatorias X y Y, se define como:
FXY (x, y ) = Pr {X ≤ x, Y ≤ y } (22)
En la práctica se estima mediante la proporción de pares de
valores de X y Y que se encuentran por debajo del umbral x,y
respectivamente.
INGENIERIA TOPOGRAFICA Y AGRIMENSURA
TEMA: Análisis exploratorio de datos.
Diagrama de Dispersión (Scattergram)
El equivalente bivariado del histograma es el diagrama de
dispersión o scattergram, donde cada par (xi , yi ) es un punto.
El grado de dependencia entre dos variables aleatorias X y Y
puede ser caracterizado por el diagrama de dispersión alrededor
de cualquier línea de regresión.
INGENIERIA TOPOGRAFICA Y AGRIMENSURA
TEMA: Análisis exploratorio de datos.
Covarianza
Se define la covarianza de manera análoga a los momentos
centrales univariados, como:
Se estima como:
INGENIERIA TOPOGRAFICA Y AGRIMENSURA
TEMA: Análisis exploratorio de datos.
Semivarianza
Se define como:
Se interpreta como el momento de inercia del diagrama de
dispersión con respecto a una línea con pendiente de 45°.
Se estima como:
Permite caracterizar la carencia de dependencia.
INGENIERIA TOPOGRAFICA Y AGRIMENSURA
TEMA: Análisis exploratorio de datos.
Semivarianza
Mientras mayor sea el valor de la
semivarianza más dispersos
estarán los valores en el
diagrama de dispersión y menor
será la dependencia entre las dos
variables aleatorias.
Observe que por el teorema de
Pitágoras tenemos:
Figura 19: Semivarianza.
INGENIERIA TOPOGRAFICA Y AGRIMENSURA
TEMA: Análisis exploratorio de datos.
Coeficiente de correlación lineal de Pearson
Se define como:
Caracteriza el grado de dependencia lineal o correlación entre dos
variables aleatorias.
Por ejemplo si Y = aX + b, entonces se cumple que:
INGENIERIA TOPOGRAFICA Y AGRIMENSURA
TEMA: Análisis exploratorio de datos.
Coeficiente de correlación de rango: ρ de Spearman
Mide el grado de relación monótona entre las variables.
Se define como el coeficiente de correlación de Pearson de rango
como sigue:
Donde
R(Xi ), R(Yi ) son los rangos de las observaciones Xi ,Yi ,
rR(X ),R(Y ) denota el coeficiente de correlación de Pearson
habitual, pero aplicado a las variables de rango,
Cov (R(X ), R(Y )) es la covarianza de las variables de rango y
σR(X ), σR(Y ) son las desviaciones estándar de las variables de
rango.
INGENIERIA TOPOGRAFICA Y AGRIMENSURA
TEMA: Análisis exploratorio de datos.
Coeficiente de correlación de rango: ρ de Spearman
Se puede calcular mediante la siguiente expresión:
donde Di = R(Xi ) − R(Yi ) es la diferencia entre los dos rangos de cada
observación y N es el número de observaciones.
Para calcular ρ, las parejas de datos X y Y se ordenan y son reemplazados
por su respectivo orden donde D es la diferencia X –Y entre los estadísticos
de orden y N es el número de parejas de datos.
Oscila entre −1 y +1, indicándonos asociaciones negativas o positivas
respectivamente, cero, significa no correlación pero no independencia.
Es menos sensible a los valores atípicos que el coeficiente de Pearson.
INGENIERIA TOPOGRAFICA Y AGRIMENSURA
TEMA: Análisis exploratorio de datos.
Coeficiente de correlación de rango: τ de Kendall
Se define como:
Un par es concordante si el orden de ambos está de acuerdo de lo contrario
se dice que son discordantes.
Si X y Y son independientes, entonces esperaríamos que el coeficiente sea
aproximadamente cero.
Es menos sensible a los valores atípicos que el coeficiente de Pearson.
INGENIERIA TOPOGRAFICA Y AGRIMENSURA
TEMA: Análisis exploratorio de datos.
Antes de transformar
Figura 20: Coeficiente de correlación lineal = 0.71.
INGENIERIA TOPOGRAFICA Y AGRIMENSURA
TEMA: Análisis exploratorio de datos.
Después de transformar
Figura 21: Coeficiente de correlación lineal = 0.88.
INGENIERIA TOPOGRAFICA Y AGRIMENSURA