COVARIANZA

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

por ejemplo:

La incertidumbre es:

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

𝑺𝒊 𝒒 = 𝒙 + 𝒚 Entonces:

Vimos además que 𝛿𝑞 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

También vimos que una buena medida de la incertidumbre

es la desviación estándar,

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 𝑞 = 𝑞(𝑥, 𝑦)

Realizamos N medidas obteniendo:
𝑥1 , 𝑦1 ; 𝑥2 , 𝑦2 ; … . (𝑥𝑁 , 𝑦𝑁 )

Hallamos:

Hallamos también:

Análogamente tenemos:

Asumimos que nuestras incertidumbres son pequeñas

Aproximando:

Las derivadas parciales

Son evaluadas en:

Con esta aproximación la media se convierte

Reemplazando en las ecuaciones anteriores se tiene
 La suma de los dos primeros términos es la que aparece en
la desviación estandar 𝝈𝒙 𝒚 𝝈𝒚 𝑵
𝟏
La covarianza de x e y es: 𝝈𝒙𝒚 = (𝒙𝒊 − 𝒙)(𝒚𝒊 − 𝒚)
𝑵
Por lo tanto: 𝒊=𝟏

𝟐
𝝏𝒒 𝟐
𝝏𝒒 𝟐
𝝏𝒒 𝝏𝒒
𝝈𝒒 = 𝝈𝒙 + 𝝈𝒚 + 𝟐 𝝈𝒙𝒚
𝝏𝒙 𝝏𝒚 𝝏𝒙 𝝏𝒚
 Si las mediciones de x y y son independientes podemos
observar que después de muchas mediciones la
covarianza 𝝈𝒙𝒚 se va a aproximar a cero; ya que (𝒙𝒊 −𝒙)
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 𝝈𝒙𝒚 =0
Después de muchas mediciones finitas 𝝈𝒙𝒚 no será
necesariamente cero, pero es pequeña si los errores de x
e y son independientes y aleatorios
𝝏𝒒 𝝏𝒒
𝑪𝒐𝒏 𝝈𝒙𝒚 =0 𝝈𝒒 𝟐
= 𝟐
𝝈𝒙 + 𝝈𝒚 𝟐
𝝏𝒙 𝝏𝒚

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 (𝒙𝒊 −𝒙) y (𝒚𝒊 −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
𝛼 𝑦 𝛽. Hallar 𝜃 = 𝛼 + 𝛽
Hallamos:
Hallamos 𝜽 𝜽=𝜶+𝜷
𝜽𝒎𝒆𝒋𝒐𝒓 = 𝜶 + 𝜷 = 𝟑𝟑 + 𝟓𝟐 = 𝟖𝟓
La covarianza
 𝟐
𝝏𝒒 𝟐
𝝏𝒒 𝟐
𝝏𝒒 𝝏𝒒
𝝈𝜽 = 𝝈𝜶 + 𝝈𝜷 + 𝟐 𝝈𝜶𝜷
𝝏𝜶 𝝏𝜷 𝝏𝜶 𝝏𝜷

𝟐
𝝏𝒒 𝟐
𝝏𝒒 𝟐
𝝏𝒒 𝝏𝒒
𝝈𝜽 = 𝝈𝜽 = 𝝈𝜶 + 𝝈𝜷 + 𝟐 𝝈𝜶𝜷
𝝏𝜶 𝝏𝜷 𝝏𝜶 𝝏𝜷

Si hubiésemos considerado independientes las mediciones

 Usando:

𝟐
𝝏𝒒 𝟐
𝝏𝒒 𝟐
𝝏𝒒 𝝏𝒒
𝝈𝒒 = 𝝈𝒙 + 𝝈𝒚 + 𝟐 𝝈𝒙𝒚
𝝏𝒙 𝝏𝒚 𝝏𝒙 𝝏𝒚
Se puede demostrar que:

Reemplazando en la ecuación anterior se tiene:

Con este resultado establecemos el significado de nuestra
incertidumbre vista anteriormente

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: 𝑥1 , 𝑦1 , 𝑥2 , 𝑦2 ……. 𝑥𝑛 , 𝑦𝑛

Si están relacionadas linealmente 𝒚 = 𝑨 + 𝑩𝒙

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

Reemplazando las expresiones halladas anteriormente en la

ecuación de «r» tenemos
De la relación de :
Se demuestra:

Asumiendo que todos los puntos 𝑥𝑖 , 𝑦𝑖 se encuentran sobre

la recta y= A+Bx

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