1 00:00:05,339 --> 00:00:21,079 Hola a todos, soy Raúl Corraliza, profesor de matemáticas de bachillerato en el IES 2 00:00:21,079 --> 00:00:25,579 Arquitecto Pedro Gumiel de Alcalá de Henares, y os doy la bienvenida a esta serie de videoclases 3 00:00:25,579 --> 00:00:28,760 de la unidad ES2 dedicada a la estadística bivariante. 4 00:00:30,000 --> 00:00:40,469 En la videoclase de hoy introduciremos los conceptos básicos de la estadística bivariante. 5 00:00:41,229 --> 00:00:51,890 En esta videoclase iniciamos el estudio de la estadística bivariante. 6 00:00:52,250 --> 00:00:56,969 Por oposición a la estadística univariante, en la que estudiábamos un conjunto de datos, 7 00:00:56,969 --> 00:01:03,789 datos individuales que se tomaban como mediciones o como respuestas a preguntas a distintos miembros 8 00:01:03,789 --> 00:01:08,730 de una población o muestra, en la estadística bivariante lo que tenemos son conjuntos de parejas 9 00:01:08,730 --> 00:01:14,290 de datos, no datos individuales sino parejas de datos. Las variables estadísticas por oposición 10 00:01:14,290 --> 00:01:20,010 a las unidimensionales, en este caso variables estadísticas bidimensionales, van a consistir de 11 00:01:20,010 --> 00:01:26,010 dos variables estadísticas x e y, cada una de ellas una variable estadística unidimensional y lo que 12 00:01:26,010 --> 00:01:30,790 caracteriza la variable estadística bidimensional es que las observaciones de estas dos variables 13 00:01:30,790 --> 00:01:36,469 estadísticas x e y se realizan simultáneamente. De tal forma que cuando observamos los elementos 14 00:01:36,469 --> 00:01:40,989 de la población o muestra, bien medimos, bien preguntamos, lo que obtenemos es simultáneamente 15 00:01:40,989 --> 00:01:47,409 los valores para la variable estadística x y la variable estadística y. Esos valores simultáneos 16 00:01:47,409 --> 00:01:51,810 que se recogen con cada una de las observaciones o mediciones se van a recoger en forma de vectores 17 00:01:51,810 --> 00:01:56,829 como vemos aquí, son pares de datos ordenados y para un mismo elemento de la población o muestra 18 00:01:56,829 --> 00:02:03,310 tenemos los valores de x y de y así ordenados. En el caso de la estadística bivariante podemos 19 00:02:03,310 --> 00:02:08,530 realizar estudios más amplios que en el caso de la estadística univariante, no en vano tenemos 20 00:02:08,530 --> 00:02:15,009 información de dos variables estadísticas, valores simultáneos, en lugar de una única. Los estudios 21 00:02:15,009 --> 00:02:19,710 pueden ser descriptivos e inferenciales exactamente igual que ocurría con la estadística univariante, 22 00:02:20,389 --> 00:02:25,490 Descriptivos, únicamente caracterizamos cuáles son las características de los datos que hemos obtenido. 23 00:02:25,930 --> 00:02:35,250 E inferenciales, a partir del estudio descriptivo con carácter general, trataremos de hacer inferencias, predicciones acerca de cómo va a evolucionar la población o muestra. 24 00:02:35,789 --> 00:02:38,909 Pues, como decía, podemos realizar distintos estudios descriptivos. 25 00:02:39,849 --> 00:02:44,870 Podemos considerar cada una de las variables estadísticas por separado, ignorando qué es lo que ocurre con la otra. 26 00:02:45,509 --> 00:02:48,590 Y en ese caso tendríamos el estudio de las distribuciones marginales. 27 00:02:48,590 --> 00:02:56,469 Se corresponde con el estudio de las variables estadísticas unidimensionales por separado como si no existieran las mediciones de la otra. 28 00:02:57,090 --> 00:03:00,289 También podemos realizar estudios de las distribuciones condicionadas. 29 00:03:01,050 --> 00:03:11,409 Podemos estudiar los valores de la variable estadística x para todas aquellas observaciones en las cuales la variable estadística y tengan un cierto valor concreto. 30 00:03:11,569 --> 00:03:16,409 Esto es la distribución de x condicionada porque y tenga un valor concreto. 31 00:03:16,409 --> 00:03:24,750 También se puede hacer al revés. Podemos hacer el estudio de la variable estadística Y condicionada porque la variable estadística X tome un valor concreto. 32 00:03:25,349 --> 00:03:33,629 Y por último, esta es la parte más interesante y la razón de ser del estudio de la estadística bivariante, podemos estudiar la distribución conjunta. 33 00:03:34,090 --> 00:03:38,969 En este caso lo que pretendemos es estudiar la relación de codependencia que pudiera existir entre las variables. 34 00:03:38,969 --> 00:03:57,169 Eso quiere decir si valores altos, en el caso de variables estadísticas cuantitativas, valores altos de la variable x van asociados a valores altos de la variable y, o valores altos de x van asociados a valores pequeños de la variable y, 35 00:03:57,169 --> 00:04:07,949 o bien en el caso de variables estadísticas cualitativas, si siempre que la variable x toma un determinado valor o pertenece a una cierta categoría, 36 00:04:08,449 --> 00:04:13,330 la variable estadística y toma una serie de valores o toma otra serie de valores distintas. 37 00:04:14,050 --> 00:04:20,589 Los dos primeros estudios, como veis aquí, son en realidad unidimensionales y una vez que hayamos decidido hacer uno de estos, 38 00:04:21,029 --> 00:04:26,149 volveremos atrás y utilizaremos las técnicas que habíamos visto en la unidad pasada de estadística univariante, 39 00:04:26,149 --> 00:04:30,870 tan solo el estudio de la distribución conjunta va a ser realmente bidimensional. 40 00:04:31,769 --> 00:04:37,129 En esta sección, en el estudio de la estadística bivariante, trataremos en un par de videoclases 41 00:04:37,129 --> 00:04:42,529 el caso de las distribuciones marginales y de las distribuciones condicionadas con algún ejemplo 42 00:04:42,529 --> 00:04:46,569 y nos centraremos fundamentalmente en el estudio de la distribución conjunta. 43 00:04:49,529 --> 00:04:55,290 En el aula virtual de la asignatura tenéis disponibles otros recursos y cuestionarios. 44 00:04:56,009 --> 00:05:00,149 Asimismo, tenéis más información en las fuentes bibliográficas y en la web. 45 00:05:00,970 --> 00:05:05,709 No dudéis en traer vuestras dudas e inquietudes a clase o al foro de dudas en el aula virtual. 46 00:05:06,310 --> 00:05:07,670 Un saludo y hasta pronto.