Distribuciones bidimensionales

Clasificá las siguientes parejas de variables estadísticas bidimensionales según el tipo de correlación lineal (positiva, negativa o nula) que cabe esperar entre ellas:

• El peso de un vehículo y su consumo de combustible por cada 100 km.

• El número de horas de luz solar directa y la cantidad de energía producida por un panel solar.

• El número de calzado de un adulto y su sueldo mensual.

• El tiempo de uso continuo de una computadora portátil y el porcentaje de batería restante.

Observa los siguientes diagramas de dispersión que relacionan distintas variables en tres experimentos diferentes. Asigna razonadamente a cada gráfico uno de los siguientes coeficientes de correlación lineal: $r = -0,92$, $r = 0,05$, $r = 0,88$.

En una fábrica de componentes electrónicos, se ha medido el número de defectos encontrados en un lote ($X$) y el turno de producción ($Y$, donde 1 es mañana, 2 es tarde y 3 es noche) durante 50 días. La tabla de frecuencias conjuntas es la siguiente:

Calcula la distribución marginal de la variable $X$ (número de defectos) y determina su media aritmética.

En una fábrica de componentes electrónicos, se ha medido el número de defectos encontrados en un lote ($X$) y el turno de producción ($Y$, donde 1 es mañana, 2 es tarde y 3 es noche) durante 50 días. La tabla de frecuencias conjuntas es la siguiente:

Obtén la distribución de la variable $X$ condicionada a que la producción se haya realizado exclusivamente en el turno de noche ($Y=3$).

En una encuesta realizada a 200 estudiantes universitarios, se ha estudiado la relación entre el número de horas semanales dedicadas al deporte ($X$) y el nivel de estrés reportado ($Y$, medido de 1 a 3). Algunos datos de la tabla de contingencia se han borrado:

Completa la tabla sabiendo que el $30\%$ del total de los encuestados dedica 2 horas al deporte y tiene un nivel de estrés 2. Una vez completa, justifica matemáticamente si las variables son estadísticamente independientes.

En un ensayo clínico, se ha clasificado a 100 pacientes según su grupo de edad ($X$, en años) y su nivel de colesterol en sangre ($Y$, en mg/dL), agrupados en intervalos de clase.

Calcula la media y la desviación típica del nivel de colesterol exclusivamente para los pacientes del grupo de edad $[40, 50)$. Usa las marcas de clase para tus cálculos.

En un estudio, las variables $X$ e $Y$ toman los valores $X \in \{2, 4, 6\}$ e $Y \in \{4, 6, 8\}$. Las distribuciones marginales son idénticas y uniformes (frecuencia absoluta de 10 para cada valor individual, siendo el tamaño de la muestra $N=30$). Además, se sabe que la distribución conjunta es perfectamente simétrica ($f_{ij} = f_{ji}$) y que la frecuencia conjunta para $X=2$ e $Y=4$ es 8, para $X=2$ e $Y=6$ es 2, y para $X=4$ e $Y=6$ es 2.

Calcula el resto de las frecuencias conjuntas de la tabla y demuestra que la covarianza de esta distribución es $\sigma_{xy} = 1,6$.

En un estudio sobre el rendimiento de 12 servidores, se ha registrado la cantidad de memoria RAM asignada en GB ($X$) y el número de peticiones procesadas por segundo ($Y$). Se sabe que $\sum_{i=1}^{12} x_i y_i = 4500$, la media de la RAM es $\bar{x} = 16$ GB y la media de peticiones es $\bar{y} = 22$. Calcula la covarianza $\sigma_{xy}$.

En un análisis de la relación entre el gasto mensual en marketing digital ($X$, en miles de pesos) y los ingresos por ventas ($Y$, en miles de pesos), se obtuvieron las dos rectas de regresión. La recta de $Y$ sobre $X$ es $y = 2,5x + 400$ y la recta de $X$ sobre $Y$ es $x = 0,36y - 80$. Determiná el centro de gravedad $(\bar{x}, \bar{y})$ de esta distribución bidimensional.

En una cooperativa agrícola, se ha registrado la cantidad de fertilizante aplicado en kg/ha ($X$) y el rendimiento de la cosecha en toneladas/ha ($Y$) en 5 parcelas experimentales:

• $X$: 10, 20, 30, 40, 50

• $Y$: 2,5; 3,8; 4,2; 5,5; 6,0

Calcula las medias marginales, las varianzas marginales y la covarianza de esta distribución bidimensional.

Sea una distribución bidimensional $(X, Y)$ con covarianza $\sigma_{xy} = 15$ y coeficiente de correlación $r = 0,6$. Si se realiza una transformación lineal sobre las variables para adaptarlas a una nueva escala de medida, de modo que $U = 2X - 3$ y $V = -0,5Y + 1$, calcula la nueva covarianza $\sigma_{uv}$ y el nuevo coeficiente de correlación $r_{uv}$ entre $U$ y $V$.

La covarianza entre la temperatura media diaria en grados Celsius ($X$) y las ventas de helados en cientos de pesos ($Y$) en una heladería durante el verano es $\sigma_{xy} = 18,5$. Si las desviaciones estándar marginales son $\sigma_x = 4,2$ y $\sigma_y = 5,1$, calculá el coeficiente de correlación lineal $r$ e interpretá el resultado.

Sea una distribución bidimensional de variables $(X, Y)$ con desviaciones típicas marginales estrictamente positivas ($\sigma_x > 0$ y $\sigma_y > 0$). Demuestra analíticamente que si existe una relación funcional lineal exacta entre ambas variables de la forma $Y = aX + b$ (con $a \neq 0$), entonces el coeficiente de correlación lineal es $r = 1$ si $a > 0$, o $r = -1$ si $a < 0$. (Pista: utiliza las propiedades de la media y la varianza ante transformaciones lineales).

El departamento de recursos humanos de una empresa de software determinó que la recta de regresión que relaciona los años de experiencia ($X$) con el salario mensual en pesos ($Y$) de sus programadores es $y = 3\,400x + 48\,000$. Estimá el salario mensual de un empleado que cuenta con 5 años de experiencia.

El análisis de los datos macroeconómicos de 20 países muestra que la media del Producto Interno Bruto per cápita ($X$, en miles de pesos) es $\bar{x} = 1\,000$, con una desviación estándar $\sigma_x = 320$. El consumo medio de energía per cápita ($Y$, en MWh) es $\bar{y} = 12$, con una desviación estándar $\sigma_y = 4$. Si el coeficiente de correlación lineal es $r = 0,85$, determiná la ecuación de la recta de regresión de $Y$ sobre $X$.

Se ha analizado la relación entre el tiempo de secado de una pintura industrial ($X$, en horas) y su resistencia a la abrasión ($Y$, en un índice de 0 a 100) en 4 pruebas, obteniendo los siguientes pares de valores: $(2, 40)$, $(3, 55)$, $(5, k)$, $(6, 85)$.

Si se sabe que la media marginal de la resistencia es $\bar{y} = 62,5$, determina primero el valor del parámetro $k$. A continuación, calcula la covarianza $\sigma_{xy}$ y la pendiente de la recta de regresión de $Y$ sobre $X$.

En un estudio sobre la relación entre la precipitación anual ($X$, en mm) y la producción de trigo ($Y$, en toneladas por hectárea), se sabe que la recta de regresión de $Y$ sobre $X$ es $y = 0,15x - 12$. Si la media de las precipitaciones es $\bar{x} = 400$ mm y el coeficiente de correlación es $r = 0,75$, halla la ecuación de la recta de regresión de $X$ sobre $Y$.

En un análisis sociodemográfico, se han obtenido las dos rectas de regresión que relacionan la tasa de natalidad ($X$, en tantos por mil) y la esperanza de vida ($Y$, en años) de una región. Las ecuaciones de las rectas son:

$3x + y - 105 = 0$

$x + 2y - 160 = 0$

Identifica razonadamente cuál es la recta de regresión de $Y$ sobre $X$ y cuál es la de $X$ sobre $Y$. Posteriormente, calcula las medias marginales $\bar{x}$ e $\bar{y}$, y el coeficiente de correlación lineal $r$.

Demuestra matemáticamente que si las ecuaciones de las rectas de regresión de $Y$ sobre $X$ y de $X$ sobre $Y$ se expresan en la forma $y = mx + n$ y $x = m'y + n'$ respectivamente, entonces el coeficiente de correlación lineal cumple que $r = \pm \sqrt{m \cdot m'}$. Razona, además, de qué depende el signo que toma $r$.

El siguiente diagrama de dispersión muestra la relación entre la temperatura aplicada a una aleación metálica ($X$, en $^\circ\text{C}$) y su dilatación térmica ($Y$, en mm). A partir de la representación visual de la nube de puntos y la recta de regresión ajustada, estimá el valor de la ordenada al origen y la pendiente de la recta. Posteriormente, predecí la dilatación para una temperatura de $80^\circ\text{C}$.

Una plataforma de comercio electrónico ha modelado la relación entre el número de visitas diarias a la página de un producto ($X$) y el número de unidades vendidas ($Y$) mediante la recta de regresión $y = 0,04x + 2,5$. El coeficiente de correlación es $r = 0,91$ y el rango de visitas en la muestra estudiada está entre 100 y 500.

1. a) Estima las ventas si un producto recibe 350 visitas.
2. b) Estima las ventas si un producto recibe 2000 visitas.
3. c) Discute la fiabilidad de ambas predicciones basándote en los datos proporcionados.

De una distribución estadística bidimensional $(X, Y)$ de tamaño $N = 10$, se conocen las siguientes sumas:

$\sum x_i = 50$, $\sum y_i = 70$, $\sum x_i^2 = 286$, $\sum y_i^2 = 540$, $\sum x_i y_i = 385$.

Calcula el coeficiente de determinación $R^2$ y la varianza residual $\sigma_e^2$. Interpreta el significado de ambos valores en el contexto de la bondad del ajuste lineal.

El crecimiento de una colonia de bacterias en función del tiempo ($X$, en horas) no sigue un modelo lineal, sino exponencial de la forma $Y = A \cdot e^{BX}$, donde $Y$ es el número de bacterias (en miles). Para aplicar técnicas de regresión lineal, se realiza el cambio de variable $Z = \ln Y$.

Los datos transformados $(X, Z)$ arrojan los siguientes resultados marginales y conjuntos para 5 observaciones: $\bar{x} = 4$, $\bar{z} = 2,1$, $\sigma_x^2 = 2,5$, $\sigma_{xz} = 1,2$.

Calcula los valores de los parámetros $A$ y $B$ del modelo exponencial original.

El siguiente gráfico de dispersión relaciona la concentración de un contaminante químico en un río ($X$, en ppm) con la tasa de mortalidad de una especie de pez ($Y$, en %). Observa la presencia de un valor atípico claramente diferenciado del resto de la nube de puntos.

Explica de forma razonada cómo afectaría la eliminación de este valor atípico a la covarianza $\sigma_{xy}$, a la pendiente de la recta de regresión de $Y$ sobre $X$ y al coeficiente de correlación lineal $r$.