MATRIZ DE

VARIANZA Y
COVARIANZA.
Edwin Alberto Carbonell (532543)
Cristian David Laguna Báquiro (477494)
Andrea Moncada Muñoz (712527)
 MATRIZ DE VARIANZA Y
COVARIANZA.
Una matriz de varianzas-covarianzas es una matriz
cuadrada que contiene las varianzas y covarianzas
asociadas con diferentes variables. Los elementos de
la diagonal de la matriz contienen las varianzas de las
variables, mientras que los elementos que se
encuentran fuera de la diagonal contienen las
covarianzas entre todos los pares posibles de variables
 Ejemplos.
• Por ejemplo, usted crea una matriz de varianzas-
covarianzas para tres variables X, Y y Z. En la siguiente
tabla, las varianzas se muestran en negrita a lo largo de la
diagonal; las varianzas de X, Y y Z son 2.0, 3.4 y 0.82
respectivamente. La covarianza entre X y Y es -0.86.
  X Y Z

X 2.0 -0.86 -0.15

Y -0.86 3.4 0.48

Z -0.15 0.48 0.82

• La matriz de varianzas y covarianzas es simétrica, porque la
covarianza entre X y Y es igual a la covarianza entre Y y X. Por
lo tanto, la covarianza para cada par de variables se muestra
dos veces en la matriz: la covarianza entre las variables i-
ésima y j-ésima se muestra en las posiciones (i, j) y (j, i).
• Muchas aplicaciones estadísticas calculan la matriz de
varianzas-covarianzas para los estimadores de los parámetros
en un modelo estadístico. Suele utilizarse para calcular los
errores estándar de los estimadores o las funciones de los
estimadores. Por ejemplo, la regresión logística crea esta
matriz para los coeficientes estimados, lo que permite ver las
varianzas de los coeficientes y las covarianzas entre todos los
pares posibles de coeficientes
 Varianza
• La varianza es una medida de dispersión que representa la variabilidad de una serie de datos respecto a su
media. Formalmente se calcula como la suma de las residuos al cuadrado divididos entre el total de
observaciones.
• También se puede calcular como la desviación típica al cuadrado. Dicho sea de paso, entendemos como
residuo a la diferencia entre el valor de una variable en un momento y el valor medio de toda la variable.

• Antes de ver la fórmula de la varianza, debemos decir que la varianza en estadística es muy importante. Ya
que aunque se trata de una medida sencilla, puede aportar mucha información sobre una variable en
concreto.

• Fórmula para calcular la varianza

• La unidad de medida de la varianza será siempre la unidad de medida correspondiente a los datos pero
elevada al cuadrado. La varianza siempre es mayor o igual que cero. Al elevarse los residuos al cuadrado es
matemáticamente imposible que la varianza salga negativa. Y de esa forma no puede ser menor que cero.
 Varianza
• Ejemplo de cálculo de la varianza
• Vamos a acuñar una serie de datos sobre salarios. Tenemos cinco personas, cada uno con un
salario diferente:
• Juan: 1.500 euros
• Pepe: 1.200 euros
• José: 1.700 euros
• Miguel: 1.300 euros
• Mateo: 1.800 euros
• La media del salario, la cual necesitamos para nuestro cálculo, es de ((1.500 + 1.200 + 1.700 +
1.300 + 1.800) /5) 1.500 euros.
• Dado que la fórmula de la varianza en su forma desglosada se formula como sigue:
 Varianza
• Obtendremos que se debe calcular tal que:

El resultado es de 52.000 euros al cuadrado. Es importante recordar que siempre que calculamos la
varianza tenemos las unidades de medida al cuadrado. Para pasarlo a euros, en este caso tendríamos
que realizar la desviación típica. El resultado aproximado sería de 228 euros. Esto quiere decir que,
en media, la diferencia entre los salarios de las distintas personas será de 228 euros.
 Covarianza
• La covarianza es el valor que refleja en qué cuantía dos variables aleatorias varían
de forma conjunta respecto a sus medias.
• Nos permite saber cómo se comporta una variable en función de lo que hace otra variable.
Es decir, cuando X sube ¿Cómo se comporta Y? Así pues, la covarianza puede tomar los
siguiente valores:
• Covarianza (X,Y)  es menor que cero cuando “X” sube e “Y” baja. Hay una relación negativa.
• Covarianza (X,Y)  es mayor que cero cuando “X” sube e “Y” sube. Hay una relación positiva.
• Covarianza (X,Y)  es igual que cero cuando no hay relación existente entre las variables “X”
e “Y”.
• Cálculo de la covarianza
• La fórmula de la covarianza se expresa como sigue:

• Dónde la y con el acento es la media de la variable Y, y la x con el acento es la media de la

variable X. “i” es la posición de la observación y “n” el número total de observaciones.
 Covarianza
• Propiedades de la covarianza
• Han de tenerse en cuenta, a la hora de trabajar con ella las propiedades que tiene y que se deducen de la
definición misma de 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.
 Covarianza
Ejemplo de la covarianza
Supongamos que tenemos los siguientes datos de X e Y.

Cómo interpretamos este 4?

Este 4 nos está diciendo, al ser mayor que cero, que estas dos variables tienen una relación positiva.
Para saber la relación ajustada entre las dos variables deberíamos calcular la correlación lineal.
Dos covarianzas de distintas variables no son comparables, ya que el valor de la covarianza es un
valor absoluto que depende de la unidad de medida de las variables.