El coeficiente de correlacin indica la cercana de una relacin entre las
variables, mientras que la covarianza permite ver la variacin de ambas variables respecto a su media. Argumente apropiadamente su respuesta.
Respuestas
Buenas noches compaeros y profesor respuesta uno del foro de esta semana.
Con respecto de la primera pregunta del foro de esta semana, en mi opinin
sobre el coeficiente de correlacin indica la cercana de una relacin lineal entre las variables, mientras que la covarianza permite ver la variacin de ambas variables aleatorias, respecto a su media.
Cabe destacar que ambas son muy parecidas, ya que la correlacin es la
covarianza, dividida por las desviaciones estndar de cada variable del par (o sea, mide el efecto "amortiguado").
El coeficiente de correlacin lineal es el cociente entre la covarianza y el
producto de las desviaciones tpicas de ambas variables. El coeficiente de correlacin lineal se expresa mediante la letra r.( www.vitutor.com/estadstica)
La covarianza de una variable bidimensional es la media aritmtica de los
productos de las desviaciones de cada una de las variables respecto a sus medias respectivas. La covarianza se representa por sxy o xy. ( www.vitutor.com/estadstica)
La covarianza lo que trata de obtener es una medida de dependencia lineal
entre una variable aleatoria TEX: x e TEX: y, de tal forma que si TEX: y es directamente proporcional a TEX: x entonces la covarianza ser positiva (es decir, si tienes una acumulacin de puntos, estos tendrn un sentido positivo, algo as como una recta con pendiente positiva), recprocamente si son inversamente proporcionales entonces las covarianza tender a ser negativa.
Ahora para clarificar, si tenemos y=aX+b (a>0) entonces la correlacin de x,y
ser positiva, y si a<0 entonces ser negativa.
Saludos cordiales
Eduardo Paine.R 2. Qu opina de la siguiente afirmacin?:
La covarianza es una medida de dependencia entre dos variables.
Argumente apropiadamente su respuesta.
Respuesta:
Buenas noches compaeros y profesor respuesta 2 del foro de esta semana.
Con respecto a la afirmacin sobre la covarianza si es una medida de la
dependencia entre dos variables, la afirmacin es correcta ya que la covarianza es positiva.
Desde un punto de vista intuitivo la covarianza entre dos variables indica el
grado de inercia lineal que existe en la relacin entre los valores de ambas, si es que existiese tal relacin. Es importante recalcar que tal inercia es nica y exclusivamente de carcter lineal.
Desde un punto de vista formal, la covarianza de las variables X e Y se define
como el momento central de rdenes (1; 1) de la variable bidimensional (X; Y), m11, y se denota por Sxy n m n ij S xy =m 11= ( x ix )( y j y ) i=1 j=1 N
En la expresin anterior puede apreciarse que la covarianza entre X e Y no es
sino la media ponderada de los productos. Ntese que este producto ser positivo cuando valores grandes de X (mayores que su media) vengan acompaados por valores elevados de Y (mayores que su media), o cuando valores pequeos de X (inferiores a su media) se den conjuntamente con valores pequeos de Y (menores que su media). Dicho producto ser negativo cuando valores de X superiores a su media se hagan acompaar de valores de Y inferiores a la suya, o cuando valores de X menores que su media aparezcan conjuntamente con valores de Y mayores que la suya. De ah que la covarianza muestre la inercia lineal existente en la relacin entre los valores de dos variables.
La Covarianza de Una Variable Bidimensional Es La Media Aritmética de Los Productos de Las Desviaciones de Cada Una de Las Variables Respecto A Sus Medias Respectivas