Haga clic para agregar
texto
COVARIANZA Covarianza Muestral
Signos de la covarianza
OBJETIVO DE LA CLASE
❑Comprender el concepto de la covarianza
❑Calcular la covarianza
❑Interpretar el valor de la covarianza
La covarianza es el valor que refleja en qué
cuantía dos variables aleatorias varían de forma
COVARIANZA conjunta respecto a sus medias.
CARACTERÍSTICAS MATRIZ DE VARIANZA Y
COVARIANZA
Matriz cuadrada: Mismo número de filas (n) que columnas (m), entonces, n=m, y por tanto,
la dimensión de esta matriz puede expresarse tanto nxm como nxn.
2
𝑠𝑥1 𝑠𝑥1 𝑥2
σ= 2
𝑠𝑥2 𝑥1 𝑠𝑥2
COVARIANZA MUESTRAL
Medias aritméticas
muestrales Varianzas Muestrales
𝑛
1 𝑛
1
𝑥ҧ = σ 𝑋 𝑠𝑥2 = (𝑥𝑖 − 𝑥ҧ )2
𝑛 𝑖=1 𝑖 𝑛 −1
𝑖=1
1
𝑦ത = σ𝑛𝑖=1 𝑦𝑖 𝑛
𝑛 1
𝑠𝑦2 = (𝑦𝑖 − 𝑦ത )2
𝑛 −1
𝑖=1
COVARIANZA MUESTRAL
Permite cuantificar el nivel de correlación lineal que existe entre dos variables.
Sean:
X, Y: Variables muestrales
n: tamaño de la muestra
𝑋ഥ ; 𝑌ത , Medias aritméticas de X , Y respectivamente
𝑠𝑥2 ; 𝑠𝑦2 : Varianzas muestrales de X , Y respectivamente
𝑠𝑥 ; 𝑠𝑦 Desviaciones muestrales de X , Y respectivamente
CÁLCULO DE LA COVARIANZA MUESTRAL
σ𝑛1 𝑥𝑖 − 𝑥ҧ ( 𝑦𝑖 − 𝑦)
ത
𝑠𝑥𝑦 =
𝑛 −1
𝑥ഥ es la media de la variable x
𝑦ത 𝑒𝑠 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑏𝑙𝑒 𝑦
𝑠𝑥𝑦 Variabilidad conjunta para
i es la posición de cada observación muestras con dos variables
n número de observaciones
SIGNOS DE LA
COVARIANZA MUESTRAL
Si valores grandes de X está asociados con
valores grandes de Y, y si valores pequeños de X
están asociados con valores pequeños de Y
entonces la covarianza tiene signo positivo. En
este caso los datos tienen una tendencia lineal
con pendiente positiva.
𝑆𝑋𝑌 > 0
SIGNOS DE LA
COVARIANZA MUESTRAL
Si valores grandes de X está asociados con
valores grandes de Y, y si valores pequeños de X
están asociados con valores pequeños de Y
entonces la covarianza tiene signo positivo. En
este caso los datos tienen una tendencia lineal
con pendiente positiva.
𝑆𝑋𝑌 > 0
SIGNOS DE LA
COVARIANZA MUESTRAL
Si valores grandes de X están asociados con
valores pequeños de Y, y si valores pequeños de
X están asociados con valores grandes de Y
entonces la covarianza tiene signo negativo. En
este caso los datos tienen una tendencia lineal
con pendiente negativa.
𝑆𝑋𝑌 < 0
SIGNOS DE LA
COVARIANZA MUESTRAL
𝑆𝑋𝑌 = 0
Es cuando no hay relación
existente entre las variables “X”
,“Y”.
PROPIEDADES DE LA COVARIANZA
•Cov (X, b) = 0, siendo b en este caso una constante.
•Cov (X, X) = Var(X) es decir, la covarianza de una variable y de sí misma es
igual a la varianza de la variable.
•Cov (X, Y) = Cov(Y,X) la covarianza es la misma, independientemente del
orden en que las pongamos.
•Cov (b·X, c·Y) = c·b ·Cov(X,Y) siendo b y c dos constantes. La covarianza de
dos variables multiplicadas por dos constantes cualesquiera es igual a la
covarianza de las dos variables multiplicada por la multiplicación de las
constantes.
PROPIEDADES DE LA COVARIANZA
•Cov (b + X, c +Y ) = Cov(X,Y) sumar dos constantes cualesquiera a cada
variable, no afecta a la covarianza.
•Cov (X,Y) = E(X·Y) – E(X)·E(Y) o lo que es lo mismo, la covarianza es igual a la
esperanza del producto de las dos variables menos el producto de las dos
esperanzas por separado.
MATRIZ DE VARIANZA Y COVARIANZA
❑Una matriz de varianzas-covarianzas es una matriz cuadrada
que contiene las varianzas y covarianzas asociadas con
diferentes variables.
❑Los elementos de la diagonal de la matriz contienen las
varianzas de las variables, mientras que los elementos que se
encuentran fuera de la diagonal contienen las covarianzas
entre todos los pares posibles de variables.
DEFINICIÓN MATRIZ DE VARIANZA Y
COVARIANZA
Sean:
𝑋1 = 𝑋 , 𝑠𝑥1 = 𝑠𝑥
𝑋2 = Y , 𝑠𝑥2 = 𝑠𝑦
𝑠𝑥21 𝑠𝑥1 𝑥2
σ=
𝑠𝑥2 𝑥1 𝑠𝑥22
CARACTERÍSTICAS MATRIZ DE VARIANZA Y
COVARIANZA
En la diagonal principal se encuentran las varianzas
𝑠𝑥21 𝑠𝑥1 𝑥2 𝑠𝑥21 𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑥1
σ=
𝑠𝑥2 𝑥1 𝑠𝑥22 𝑠𝑥22 𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑥2
CARACTERÍSTICAS MATRIZ DE VARIANZA Y
COVARIANZA
Fuera de la diagonal principal se encuentran las covarianzas
𝑠𝑥21 𝑠𝑥1 𝑥2
σ=
𝑠𝑥2𝑥1 𝑠𝑥22
𝑠𝑥1 𝑥2 𝐶𝑜𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑥1 𝑐𝑜𝑛 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑜 𝑎 𝑥2
𝑠𝑥2 𝑥1 𝐶𝑜𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑥2 con respecto a 𝑥1
EJEMPLO 1
Se calcula la varianza de las variables Estatura y Peso
Se calcula la covarianza
EJEMPLO 1
Considere las variables Estatura y Peso.
EJEMPLO 1
σ= 0.002499 0.2175
0.2175 21.2954
Nos permite saber cómo se
comporta una variable en
función de lo que hace otra
variable.
COVARIANZA
Es decir, cuando X aument
¿Cómo se comporta Y?
EJEMPLO 2
Se desea estudiar si la resistencia de una mezcla de hormigón es explicada por el número de días de
fragüe de dicha mezcla. Para ello se tomó una muestra de 12 mezclas, obteniéndose la siguiente
información:
EJEMPLO 2
Se calcula la varianza de las variables días y resistencia
Se calcula la covarianza
EJEMPLO 2
MATRIZ DE CORRELACIÓN
Es una representación ordenada de los coeficientes de correlación de
cada variable con la otra variable y consigo misma.
Sean:
Coeficiente de correlación de 𝑥𝑖 y 𝑥𝑗
𝑋1 = 𝑋 , 𝑠𝑥1 = 𝑠𝑥 𝑆𝑥𝑖 𝑥𝑗
𝑋2 = Y , 𝑠𝑥2 = 𝑠𝑦 𝑟𝑖 𝑗 =
𝑠𝑥𝑖 𝑠𝑥𝑗
DEFINICIÓN MATRIZ DE CORRELACIÓN
𝑟1,1 𝑟1, 2
𝑟𝑖 𝑗 = 𝑟 𝑟2,2
2,1
Es una matriz simétrica, los valores de la diagonal principal son iguales a 1.
EJEMPLO 1
EJEMPLO 1
σ= 1 0.9026
0.9026 1
EJEMPLO 2
EJEMPLO 2
σ= 1 −1
−1 1
