La varianza es la media aritmética del cuadrado de las desviaciones respecto a la media de una distribución estadística.

La varianza se representa por .

Varianza para datos agrupados

Para simplificar el cálculo de la varianza vamos o utilizar las siguientes expresiones que son equivalentes a las anteriores.

Varianza para datos agrupados

Ejercicios de varianza Calcular la varianza de la distribución: 9, 3, 8, 8, 9, 8, 9, 18

20) [20. 60 [60. 30) [30.70) [70. . 3 Si todos los valores de la variable se multiplican por un número la varianza queda multiplicada por el cuadrado de dicho número. 2 Si a todos los valores de la variable se les suma un número la varianza no varía.Calcular la varianza de la distribución de la tabla: xi [10. 50) [50.40) [40. 80) 15 1 fi xi · fi 15 xi2 · fi 225 25 8 200 5000 35 10 350 12 250 45 9 405 18 225 55 8 440 24 200 65 4 260 16 900 75 2 150 11 250 42 1 820 88 050 Propiedades de la varianza 1 La varianza será siempre un valor positivo o cero. en el caso de que las puntuaciones sean iguales.

es un índice muy sensible a las puntuaciones extremas. Si todas las muestras tienen el mismo tamaño: Si las muestras tienen distinto tamaño: Observaciones sobre la varianza 1 La varianza. La covarianza se representa por sxy o xy. 3 La varianza no viene expresada en las mismas unidades que los datos. al igual que la media. 2 En los casos que no se pueda hallar la media tampoco será posible hallar la varianza. ya que las desviaciones están elevadas al cuadrado. xy . La covarianza indica el sentido de la correlación entre las variables Si Si xy > 0 la correlación es directa. < 0 la correlación es inversa.4 Si tenemos varias distribuciones con la misma media y conocemos sus respectivas varianzas se puede calcular la varianza total. COVARIANZA La covarianza de una variable bidimensional es la media aritmética de los productos de las desviaciones de cada una de las variables respecto a sus medias respectivas.

La covarianza presenta como inconveniente. la covarianza variará si expresamos la altura en metros o en centímetros. Ejemplos Las notas de 12 alumnos de una clase en Matemáticas y Física son las siguientes: Matemáticas Física 2 1 3 3 4 2 4 4 5 4 6 4 6 6 7 4 7 6 8 7 10 9 10 10 Hallar la covarianza de la distribución. Es decir. También variará si el dinero lo expresamos en euros o en dólares. el hecho de que su valor depende de la escala elegida para los ejes. xi 2 3 4 4 5 6 6 7 7 8 10 10 72 1 3 2 4 4 4 6 4 6 7 9 10 60 yi 2 9 8 16 20 24 36 28 42 56 90 100 431 xi · yi Después de tabular los datos hallamos las medias aritméticas: .

xi 0 0 0 2 2 2 4 4 yi 1 2 3 1 2 3 1 2 2 1 2 1 4 5 3 2 20 fi 0 0 0 2 8 10 12 8 40 xi · fi 2 2 6 1 8 15 3 4 41 yi · fi 0 0 0 2 16 30 12 16 76 xi · yi · fi . En primer lugar convertimos la tabla de doble entrada en tabla simple y calculamos las medias aritméticas.Los valores de dos variables X e Y se distribuyen según la tabla siguiente: Y/X 1 2 3 2 1 2 0 1 4 5 2 3 2 0 4 Hallar la covarianza de la distribución.

El coeficiente de correlación lineal es un número real comprendido entre í 1 y 1. í1”r”1 4. Si la covarianza es nula. El coeficiente de correlación lineal se expresa mediante la letra r. no existe correlación. los puntos de la nube están sobre la recta creciente o decreciente. Si el coeficiente de correlación lineal toma valores cercanos a 1 la correlación es fuerte y directa. y será tanto más fuerte cuanto más se aproxime r a 1. 7. El signo del coeficiente de correlación es el mismo que el de la covarianza. 2. 3. la correlación es débil. El coeficiente de correlación no varía al hacerlo la escala de medición. Ejemplos Las notas de 12 alumnos de una clase en Matemáticas y F sica son las siguientes: . si expresamos la altura en metros o en centímetros el coeficiente de correlación no varía. Si el coeficiente de correlación lineal toma valores cercanos a 0. Si r = 1 ó 1. Si el coeficiente de correlación lineal toma valores cercanos a 1 la correlación es fuerte e inversa. la correlación es directa. y será tanto más fuerte cuanto más se aproxime r a 1. Entre ambas variables hay dependencia funcional. 6. Si la covarianza es negativa. la correlación es inversa. 5. Es decir. Si la covarianza es positiva. Propiedades del coeficiente de correlación 1.COEFICIENTE DE CORRELACIÓN El coeficiente de correlación lineal es el cociente entre la covarianza y el producto de las desviaciones típicas de ambas variables.

.Matemáticas Física 2 1 3 3 4 2 4 4 5 4 6 4 6 6 7 4 7 6 8 7 10 9 10 10 Hallar el coeficiente de correlación de la distribución e interpretarlo. 2º Calculamos la covarianza. xi 2 3 4 4 5 6 6 7 7 8 yi 1 3 2 4 4 4 6 4 6 7 xi ·yi 2 9 8 16 20 24 36 28 42 56 90 xi2 4 9 16 16 25 36 36 49 49 64 yi2 1 9 4 16 16 16 36 16 36 49 10 9 100 81 100 100 504 380 10 10 100 72 60 431 1º Hallamos las medias aritméticas. 3º Calculamos las desviaciones típicas.

Como coeficiente de correlación está muy próximo a 1 la correlación es muy fuerte.4º Aplicamos la fórmula del coeficiente de correlación lineal. Convertimos la tabla de doble entrada en tabla simple. la correlación es directa. Al ser el coeficiente de correlación positivo. Los valores de dos variables X e Y se distribuyen según la tabla siguiente: Y/X 1 2 3 2 1 2 0 1 4 5 2 3 2 0 4 Determinar el coeficiente de correlación. xi 0 0 0 2 2 2 4 4 yi 1 2 3 1 2 3 1 2 fi 2 1 2 1 4 5 3 2 20 xi · fi 0 0 0 2 8 10 12 8 40 xi2 · fi 0 0 0 4 16 20 48 32 120 yi · fi 2 2 6 1 8 15 3 4 41 yi2 · fi 2 4 18 1 16 45 3 8 97 xi · yi · fi 0 0 0 2 16 30 12 16 76 .

Como coeficiente de correlación está muy próximo a 0 la correlación es muy débil.Al ser el coeficiente de correlación negativo. la correlación es inversa. .

Sign up to vote on this title
UsefulNot useful