Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Dónde:
● y barra es la media de la variable Y.
● x barra es media de la variable X.
● “i” es la posición de la observación.
● “n” el número total de observaciones.
Propiedades de la Covariancia
● Cov (X, b) = 0, b es una constante.
● Cov (X, X) = Var(X) , la covarianza de una variable y de sí
misma es igual a su varianza.
● Cov (X, Y) = Cov(Y,X)
● Cov (b·X, c·Y) = c·b ·Cov(X,Y), b y c dos constantes.
● Cov (b+X, c+Y) = Cov(X,Y) sumar dos constantes cualesquiera
a cada variable, no afecta a la covarianza.
Correlación (r para la muestra) (ρ para población)
La correlación, también conocida como coeficiente de correlación
lineal, es una medida estadística que cuantifica la dependencia o
la fuerza de relación lineal entre dos variables cuantitativas.
La correlación de dos variables NO necesariamente implica
causalidad.
Valores de r
● Si r >0, la correlación lineal es positiva
Ejemplo: altura y peso
-1≤ r ≤ 1
En resumen tenemos:
r
Propiedades de la Correlación
● rX,Y es invariante (salvo el signo) frente a cambios de escala y
origen en las unidades de medida de X y/o Y.
● −1 ≤ rX,Y ≤ 1
● | rX,Y| = 1 ⇔ existe dependencia funcional lineal (positiva o
negativa, en función del signo) entre X e Y .
Covarianza vs. Correlación
● La covarianza provee la dirección (positiva, negativa, cercana
a cero), de la relación lineal de dos variables, mientras la
correlación contiene la dirección y la intensidad.
● La covarianza es no acotada pues su tamaño depende de la
escala de las variables, mientras que la correlación toma
valores entre -1 y 1 independiente de la escala de las
variables.
● La correlación a diferencia de la covarianza nos da la
intensidad de la relación entre dos variables.