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

70) [70.40) [40. 3 Si todos los valores de la variable se multiplican por un número la varianza queda multiplicada por el cuadrado de dicho número. . 50) [50. 2 Si a todos los valores de la variable se les suma un número la varianza no varía. en el caso de que las puntuaciones sean iguales. 60 [60.Calcular la varianza de la distribución de la tabla: xi [10. 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. 30) [30. 20) [20.

al igual que la media. es un índice muy sensible a las puntuaciones extremas. 2 En los casos que no se pueda hallar la media tampoco será posible hallar la varianza.4 Si tenemos varias distribuciones con la misma media y conocemos sus respectivas varianzas se puede calcular la varianza total. xy . 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. 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. 3 La varianza no viene expresada en las mismas unidades que los datos. La covarianza indica el sentido de la correlación entre las variables Si Si xy > 0 la correlación es directa. < 0 la correlación es inversa. ya que las desviaciones están elevadas al cuadrado.

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: . También variará si el dinero lo expresamos en euros o en dólares.La covarianza presenta como inconveniente. 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. la covarianza variará si expresamos la altura en metros o en centímetros. Es decir. el hecho de que su valor depende de la escala elegida para los ejes.

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. 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.

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

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 . Convertimos la tabla de doble entrada en tabla simple.4º Aplicamos la fórmula del coeficiente de correlación lineal. la correlación es directa. 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. Al ser el coeficiente de correlación positivo. Como coeficiente de correlación está muy próximo a 1 la correlación es muy fuerte.

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

Sign up to vote on this title
UsefulNot useful