Está en la página 1de 16

COVARIANZA

Anteriormente vimos que si teníamos una función q(x,y); por ejemplo:

vimos que si teníamos una función q(x,y); por ejemplo: La incertidumbre es: En general la función

La incertidumbre es:

una función q(x,y); por ejemplo: La incertidumbre es: En general la función puede ser q(x,y,z,….) =

En general la función puede ser q(x,y,z,….)

= +

Entonces:

general la función puede ser q(x,y,z,….) = + Entonces: Vimos además que calculado de la manera

Vimos además que calculado de la manera anterior puede ser una exageración ya que se esta tomando el máximo error. Ya que podría haber una cancelación parcial de los errores

Cuando los errores son independientes dijimos que

Cuando los errores son independientes dijimos que También vimos que una buena medida de la incertidumbre

También vimos que una buena medida de la incertidumbre es la desviación estandar,

buena medida de la incertidumbre es la desviación estandar, vimos que si las mediciones de x

vimos que si las mediciones de x se distribuyen normalmente, podemos estar 68% seguro de que el valor medido se encuentra dentro del valor verdadero.

COVARIANZA

Supongamos que queremos hallar la función = ( , )

Realizamos N medidas obteniendo:

, ; , ; … … . ( , )

obteniendo: , ; , ; … … . ( , ) Hallamos : Hallamos también :
obteniendo: , ; , ; … … . ( , ) Hallamos : Hallamos también :
obteniendo: , ; , ; … … . ( , ) Hallamos : Hallamos también :

Hallamos:

Hallamos también:

Análogamente tenemos:

. ( , ) Hallamos : Hallamos también : Análogamente tenemos: Asumimos que nuestras incertidumbres son

Asumimos que nuestras incertidumbres son pequeñas

Aproximando:

Aproximando: Las derivadas parciales Son evaluadas en: Con esta aproximación la media se convierte

Las derivadas parciales

Son evaluadas en:

Aproximando: Las derivadas parciales Son evaluadas en: Con esta aproximación la media se convierte
Aproximando: Las derivadas parciales Son evaluadas en: Con esta aproximación la media se convierte

Con esta aproximación la media se convierte

Aproximando: Las derivadas parciales Son evaluadas en: Con esta aproximación la media se convierte
Reemplazando en las ecuaciones anteriores se tiene
Reemplazando en las ecuaciones anteriores se tiene
Reemplazando en las ecuaciones anteriores se tiene
Reemplazando en las ecuaciones anteriores se tiene
Reemplazando en las ecuaciones anteriores se tiene

Reemplazando en las ecuaciones anteriores se tiene

La suma de los dos primeros términos es la que aparece en la desviación estandar

La suma de los dos primeros términos es la que aparece en

la desviación estandar

( )( )

La covarianza de x e y es:

=

Por lo tanto:

=

la que aparece en la desviación estandar ( − )( − ) La covarianza de x
la que aparece en la desviación estandar ( − )( − ) La covarianza de x

+

+

Si las mediciones de x y y son independientes podemos observar que después de muchas mediciones la covarianza se va a aproximar a cero; ya que ( ) puede ser + o – y después de muchas mediciones se llega a aun equilibrio. Además en el límite de muchas mediciones (infinitas) 1/N garantiza que =0

Después de muchas mediciones finitas no será necesariamente cero, pero es pequeña si los errores de x e y son independientes y aleatorios

=0

=

si los errores de x e y son independientes y aleatorios =0 = + Resultado familiar

+

los errores de x e y son independientes y aleatorios =0 = + Resultado familiar para

Resultado familiar para incertidumbres independientes y aleatorias

Si las mediciones de x e y no son independientes la covarianza no necesariamente es cero. Ya que podría ser que ( ) y ( ) ambos sean positivos o negativos entonces el producto es siempre positivo, o uno de ellos positivo y el otro negativo por lo tanto el producto es negativo

Ejercicio: Cinco estudiantes dan las medidas de dos ángulos . Hallar = +

por lo tanto el producto es negativo Ejercicio: Cinco estudiantes dan las medidas de dos ángulos
Hallamos: Hallamos = + = + = + = La covarianza

Hallamos:

Hallamos

Hallamos: Hallamos = + = + = + = La covarianza

= +

= + = + =

La covarianza

Hallamos: Hallamos = + = + = + = La covarianza

=

= + + + + = = Si hubiésemos considerado independientes las mediciones

+

= + + + + = = Si hubiésemos considerado independientes las mediciones

+

+ +
+
+

= =

= + + + + = = Si hubiésemos considerado independientes las mediciones

Si hubiésemos considerado independientes las mediciones

= + + + + = = Si hubiésemos considerado independientes las mediciones

Usando:

=

Usando: = + + Se puede demostrar que: Reemplazando en la ecuación anterior se tiene:
Usando: = + + Se puede demostrar que: Reemplazando en la ecuación anterior se tiene:

+

+

Se puede demostrar que:

Usando: = + + Se puede demostrar que: Reemplazando en la ecuación anterior se tiene:
Usando: = + + Se puede demostrar que: Reemplazando en la ecuación anterior se tiene:

Reemplazando en la ecuación anterior se tiene:

Usando: = + + Se puede demostrar que: Reemplazando en la ecuación anterior se tiene:
Usando: = + + Se puede demostrar que: Reemplazando en la ecuación anterior se tiene:

Con este resultado establecemos el significado de nuestra incertidumbre vista anteriormente

el significado de nuestra incertidumbre vista anteriormente COEFICIENTE DE CORRELACIÓN LINEAL La noción de covarianza

COEFICIENTE DE CORRELACIÓN LINEAL

La noción de covarianza nos va a permitir responder si las medidas de dos variables por ejemplo x, y se encuentran relacionadas linealmente.

Si se hacen medidas de:

encuentran relacionadas linealmente. Si se hacen medidas de: , , , ……. , Si están relacionadas
encuentran relacionadas linealmente. Si se hacen medidas de: , , , ……. , Si están relacionadas
encuentran relacionadas linealmente. Si se hacen medidas de: , , , ……. , Si están relacionadas

, , , ……. ,

Si están relacionadas linealmente = +

Hallamos A y B por mínimos cuadrados Graficamos y vemos que tan alejados están los puntos medidos con la recta obtenida analizando sus incertidumbres

No siempre es fácil determinar si la relación entre dos variables es lineal, para eso calculamos el coeficiente de correlación lineal

para eso calculamos el coeficiente de correlación lineal Reemplazando las expresiones halladas anteriormente en la
para eso calculamos el coeficiente de correlación lineal Reemplazando las expresiones halladas anteriormente en la

Reemplazando las expresiones halladas anteriormente en la ecuación de «r» tenemos

el coeficiente de correlación lineal Reemplazando las expresiones halladas anteriormente en la ecuación de «r» tenemos

De la relación de :

Se demuestra:

De la relación de : Se demuestra: Asumiendo que todos los puntos , la recta y=
De la relación de : Se demuestra: Asumiendo que todos los puntos , la recta y=
De la relación de : Se demuestra: Asumiendo que todos los puntos , la recta y=

Asumiendo que todos los puntos , la recta y= A+Bx

de : Se demuestra: Asumiendo que todos los puntos , la recta y= A+Bx Entonces tenemos:

Entonces tenemos:

de : Se demuestra: Asumiendo que todos los puntos , la recta y= A+Bx Entonces tenemos:

se encuentran sobre

de : Se demuestra: Asumiendo que todos los puntos , la recta y= A+Bx Entonces tenemos:
* Si r= 0 entonces x e y no están correlacionadas linealmente, lo mismo si

* Si r= 0 entonces x e y no están correlacionadas linealmente, lo mismo si r es cercano a cero

Ejemplos

Ejemplos