Carolina Fonseca Vargas

Má ster en Física Avanzada

Universidad de Valencia
TEMA 2 PUNTO 7

Mediante un programa de ordenador generar dos distribuciones de nú meros aleatorios y

comprobar que se trata de una distribució n uniforme creando dos histogramas con 1000 nú meros
aleatorios. A la vez, crear un histograma bidimensional usando pares consecutivos de nú meros
aleatorios para las coordenadas x 1 y x 2 ¿Se trata también de una distribució n uniforme? Calcular el
coeficiente de correlació n entre las coordenadas x 1 y x 2.
Repetir el experimento numérico anterior para los siguientes casos:

x 21 y de sigma σ = 0.1
a) La variable x 2 es una gaussiana centrada en
b) Mismo caso que a) pero haciendo que la variable x 1 se distribuya en el intervalo [-1,1] (ayuda:
'
hacer el cambio x 1=−1+2 x1 donde x 1 ' ∈ [0,1] Comentar los resultados en funció n de los
valores del coeficiente de correlació n obtenido

Principal ítem a ítem b

Valor medio de X1 0.48705 0.507706 -0.00397876
Desviació n está ndar de X1 0.291358 0.289223 0.573713
Valor medio de X2 0.498626 0.400563 0.375933
Desviació n está ndar de X2 0.279429 0.29902 0.277189
Coeficiente de Correlación
0.0134603 0.98441 -0.00623435

Sabemos que el valor del coeficiente nos indica el grado de la relació n entre variables aleatorias, es
decir,

Si ρ ( x 1 , x 2 )=0 →Variables no correlacionadas

Si ρ ( x 1 , x 2 ) <0 → Correlació n positiva

Si ρ ( x 1 , x 2 ) >0 → Correlació n Negativa

En el primer caso con dos distribuciones aleatorias totalmente independientes es de esperar que el
resultado del coeficiente de correlació n sea aproximadamente cero como se evidencia en el grá fico de
dispersió n y como se establece en la correlació n.

En el segundo caso existe una dependencia cuadrá tica fuerte dado que el valor del coeficiente es
cercano a uno y la distribució n presenta esta forma característica.

Lo mismo habría de esperarse en el ú ltimo caso que se predetermino que igualmente existiera esta
dependencia cuadrá tica entre las variables y es así como se observa en el ú ltimo grá fico, pero aqui el
coeficiente es aproximadamente cero, esto es debido a la simetría de la distribució n, es decir, como la
variable x 1 esta en un intervalo (-1,1) al realizar la correlació n esta también se encontrara en este
intervalo, presentando por una parte una correlació n negativa de (-1 a 0) y una positiva de (0 a 1),
causando así una compensació n y dando como resultado un coeficiente igual a cero.

Lo que quiere decir, que no siempre que el coeficiente de correlació n sea igual a cero se podrá afirmar
que las variables no están correlacionadas.