DAVID CACHO TORRES 6MV5

COVARIANZA

Adems de analizar cmo vara cada una de las variables por
separado, sera interesante tambin tener idea de cmo varan
dichas variables conjuntamente, es decir, cmo "covaran".
Se dice que dos variables estn variando conjuntamente, y en el
mismo sentido, cuando al crecer los valores de una de las variables
tambin aumentan los de la otra.
En cambio, estn variando conjuntamente, pero en sentido
contrario, cuando al aumentar los valores de una, los de la otra
disminuyen.
Definiremos como covarianza de dos variables X e Y, y denotaremos
por S
XY
, el estadstico que nos permite analizar la variacin
conjunta de dos variables. Viene dado por la siguiente expresin:

Si cada pareja de observaciones (x
i
,y
i
) se repitiese un nmero de
veces, deberamos introducir en la expresin anterior la
correspondiente frecuencia, anlogamente a como se hace en la
expresin de la varianza.
La covarianza, puede ser utilizada como una medida inicial de la
asociacin lineal entre las dos variables. Para ello, observaremos
detenidamente el grfico de la figura 6.2.
DAVID CACHO TORRES 6MV5



En ella aparece la nube de puntos para un par de variables X e Y. Se
pone de manifiesto cmo aquellos pares de valores que ocupan el
cuadrante superior derecho (tomando como origen el punto de
medias) nos dan como resultado sumandos positivos en la expresin
de la covarianza. Lo mismo ocurre con aquellos que se encuentran en
el cuadrante inferior izquierdo. Sin embargo, los del cuadrante
superior izquierdo e inferior derecho, nos dan sumandos negativos.
Ello tiene como consecuencia, que dependiendo del nmero de
observaciones situado en cada uno de dichos cuadrantes,
obtendremos un signo diferente en la covarianza, de modo que si
predominan las diferencias positivas, esta ser positiva, y si
predominan las negativas, la covarianza tambin lo ser.




DAVID CACHO TORRES 6MV5

Esto nos lleva a utilizar la covarianza como una medida de la
asociacin lineal entre las variables, de modo que si sta es positiva,
nos indica una relacin directa entre ellas y si es negativa, nos
indica una relacin inversa. Si las variables son independientes,
entonces la covarianza es aproximadamente 0. Un ejemplo, de este
ltimo caso se correspondera con la figura 6.3a.

Diferentes casos para la covarianza










DAVID CACHO TORRES 6MV5

CORRELACION

La correlacin estadstica determina la relacin o dependencia que
existe entre las dos variables que intervienen en una distribucin
bidimensional.
Es decir, determinar si los cambios en una de las variables influyen
en los cambios de la otra. En caso de que suceda, diremos que las
variables estn correlacionadas o que hay correlacinentre ellas.



Coeficiente de correlacin
El coeficiente de correlacin lineal se expresa mediante la letra r.



Propiedades
1. El coeficiente de correlacin no vara al hacerlo la escala de
medicin.
Es decir, si expresamos la altura en metros o en centmetros el
coeficiente de correlacin no vara.
DAVID CACHO TORRES 6MV5
2. El signo del coeficiente de correlacin es el mismo que el de
la covarianza.
Si la covarianza es positiva, la correlacin es directa.
Si la covarianza es negativa, la correlacin es inversa.
Si la covarianza es nula, no existe correlacin.
3. El coeficiente de correlacin lineal es un nmero real
comprendido entre menos 1 y 1.
1 r 1
4. Si el coeficiente de correlacin lineal toma valores cercanos a 1
la correlacin es fuerte e inversa, y ser tanto ms fuerte cuanto
ms se aproxime r a 1.
5. Si el coeficiente de correlacin lineal toma valores cercanos a 1
la correlacin es fuerte y directa, y ser tanto ms fuerte cuanto
ms se aproxime r a 1.
6. Si el coeficiente de correlacin lineal toma valores cercanos a 0,
la correlacin es dbil.
7. Si r = 1 1, los puntos de la nube estn sobre la recta creciente
o decreciente. Entre ambas variables hay dependencia funcional.