VARIANZA Y COVARIANZA

Materia: Bioestadística Inferencial

Profesor: Partida Rubio Arístides Asdrubal
Alumno: Nadia Estefania De la Cruz Vázquez
Código: 215190108
 ¿Qué es la varianza?

Es la sumatoria de las desviaciones al cuadrado con respecto al promedio o a

la media, todo dividido entre el número total de observaciones menos 1.

Objetivo:

 Detectar las variaciones de cada valor respecto a la media aritmética.

 Saber y considerar el valor medio de una variable.
 Determinar si las diferencias que existen entre las medias de muestreo
expone las diferencias que hay entre los valores medios.

 xi cada dato.
 X es la media
de los datos.
 n es cada número.

Funciones:

 Representa una ayuda en la toma de decisiones sobre una inversión.

 Para describir, analizar y entender el comportamiento de una variable a
través del tiempo.
 Permite realizar comparaciones entre diferentes grupos de datos.
 Permite analizar cuál sería la mejor decisión que se puede tomar.
Mediante la varianza.

¿Qué es la covarianza?

Se utiliza en el ámbito de las estadísticas y en el de la probabilidad para

nombrar al valor que refleja el grado de variación conjunta que se registra en
dos variables aleatorias tomando como medida sus medias.

 La y con el acento es la media de la variable Y.

 La x con el acento es la media de la variable X.
 La i es la posición de la observación.
 La n el número total de observaciones.
Propiedades de la covarianza:

 Cov (X, b) = 0, siendo b en este caso una constante.

 Cov (X, X) = Var(X) es decir, la covarianza de una variable y de sí misma
es igual a la varianza de la variable.
 Cov (X, Y) = Cov(Y,X) la covarianza es la misma, independientemente
del orden en que las pongamos.
 Cov (b·X, c·Y) = c·b ·Cov(X,Y) siendo b y c dos constantes. La covarianza de
dos variables multiplicadas por dos constantes cualesquiera es igual a la
 covarianza de las dos variables multiplicada por la multiplicación de las
constantes.
 Cov (b+X, c+Y) = Cov(X,Y) sumar dos constantes cualesquiera a cada variable,
no afecta a la covarianza.
 Cov (X,Y) = E(X·Y) – E(X)·E(Y) o lo que es lo mismo, la covarianza es igual a
la esperanza del producto de las dos variables menos el producto de las dos
esperanzas por separado.

Ampliando las propiedades anteriores, en el caso de que dos variables sean

independientes. Es decir, que no tengan relación estadística alguna, se cumple
que:

E(X·Y) = E(X)·E(Y)

Es decir que la esperanza del producto de dos variables, es igual al producto

de las dos esperanzas por separado de dichas variables.

Diferencias entre covarianza y correlación

COVARIANZA CORRELACIÓN

 Los valores no están  Los coeficientes están

estandarizados.
 Puede ir desde infinito negativo
hasta infinito positivo.
 El valor de una relación lineal
perfecta depende de los datos.
estandarizados.
 Una relación lineal perfecta da
como resultado un coeficiente de
1.
 Mide tanto la fuerza como la
dirección de la relación lineal
entre dos variables.