You are on page 1of 1

MEDIDAS BIDIMENSIONALES DE ASOCIACION LINEAL

PROFESORA SRA. ROSARIO MENESES A.

DEFINICION COVARIANZA: Es una medida que entrega el tipo de asociación lineal entre
dos variables cuantitativas denotada por Cov(x,y), Sxy, xy.

cov( x, y )   (x i  x )( yi  y )
 x y
i i Nx y
Para datos poblaciones
N N

cov( x, y )   (x i  x )( yi  y )
 x y
i  nx y
i
Para datos muéstrales
n 1 n 1

Interpretación de la covarianza
 Si cov(x,y) >0 tipo de relacion directamente proporcional.
 Si cov(x,y) <0 tipo de relacion inversamente proporcional.
 Si cov(x,y) =0 no existe dependencia lineal.

Propiedades
Si X, Y, son variables aleatorias y a, b, c, d son constantes ("constante" en este contexto significa no
aleatorio), se cumple que:

 Cov(x,y) e R
 Cov(x,x)=V(x)
 Cov(a+bx,c+dy)=bd Cov(x,y)
 V(x±y) = V(x)+ V(y)±2cov(x,y)
 Si X e Y son independientes, entonces su covarianza es cero. Lo opuesto, sin embargo,
generalmente no es cierto

COEFICIENTE DE CORRELACION

El coeficiente de correlación de Pearson es un índice que mide el grado (Fuerza) de asociación,


dependencia o relación lineal entre dos variables aleatorias cuantitativas, se denota por

cov( x, y)
: , r x,y o simplemente r  x, y  r  tal que -1≤ r ≤1
 x y

 Si r = 1, existe una correlación positiva perfecta. El índice indica una dependencia total
entre las dos variables denominada relación directa
 Si r = 0, no existe relación lineal. Pero esto no necesariamente implica que las variables son
independientes: pueden existir todavía relaciones no lineales entre las dos variables.
 Si r = -1, existe una correlación negativa perfecta. El índice indica una dependencia total
entre las dos variables llamada relación inversa:

COEFICIENTE DE DETERMINACIÓN
En un modelo de regresión lineal el coeficiente de determinación se interpreta como el porcentaje
de variación del modelo que es explicada por los datos , además corresponde a una medida de
bondad de ajuste y se interpreta como el grado de ajuste lineal entre las variables cuantitativas.

R2= r2. Ta l que 0 ≤ R2 ≤ 1