Supongamos que disponemos de los siguientes datos de dos variables X e Y:
Calcula la V de Cramer.

Para obtener la V de Cramer entre las variables, comenzamos calculando las frecuencias esperadas.
A continuación, calculamos la diferencia entre las frecuencias observadas y las esperadas, elevamos al cuadrado y dividimos entre las frecuencias esperadas.
Finalmente, sumamos los valores anteriores y obtenemos la Ji-cuadrado.
A partir de este último coeficiente, podemos calcular la V de Cramer.
Sólo valores muy cercanos a 0 asegurarán que las variables son independientes, es decir, que no se ven condicionados mutuamente.
Supongamos que la tabla simple de dos variables X e Y es la siguiente:
Calcula el coeficiente de correlación y las rectas de regresión.

Para obtener el coeficiente de correlación r entre ambas variables, debemos calcular previamente sus desviaciones típicas y la covarianza entre ambas.
Una vez calculadas estas medidas, obtenemos r como el cociente entre la covarianza y el producto de las desviaciones típicas.
La interpretación de este coeficiente dependerá de su valor tal y como se puede comprobar en el manual de la asignatura.
En cualquier caso, podremos calcular la recta de regresión de una variable en función de la otra. Dicha recta será tanto mejor, en el sentido de que se ajustará mejor a los pares de puntos, cuanto mayor sea la relación lineal entre las variables. Se pueden calcular dos rectas, la de Y en función de X y la de X en función de Y que serán respectivamente las siguientes:
Y=a+b*X
X=c+d*Y
Por último, podemos pintar la nube de puntos y las rectas para comprobar cómo se ajustan a ella.