Probabilidad y estadística · Covarianza

Covarianza

Para hallar la covarianza muestral de datos emparejados, se suman los productos de sus desviaciones respecto a las medias y se divide por n − 1: cov = Σ(x − x̄)(y − ȳ)/(n − 1). Es positiva cuando x e y tienden a variar juntas y negativa cuando una aumenta y la otra disminuye. Cada producto forma un rectángulo con signo. Arrastra los puntos y observa el cuadrado de la covarianza.

La covarianza en este gráfico

La covarianza muestral de datos emparejados mide cómo varían juntas dos magnitudes: se suman los productos de sus desviaciones respecto a las medias y se divide por n−1n - 1, como expresa cov⁡(x,y)=1n−1∑(xi−xˉ)(yi−yˉ)\operatorname{cov}(x, y) = \frac{1}{n-1}\sum (x_i - \bar{x})(y_i - \bar{y}). Cada término es el producto de las dos desviaciones de un punto y se dibuja como el rectángulo que este forma con el centro (xˉ,yˉ)(\bar{x}, \bar{y}). Los puntos arriba a la derecha o abajo a la izquierda aportan áreas positivas; los otros dos cuadrantes, negativas. Ambos ejes emplean la misma unidad y escala, de modo que las áreas son fieles. El área del cuadrado central es el valor absoluto de la covarianza: se extiende a la derecha cuando es positiva y a la izquierda cuando es negativa.

Cómo interpretar su magnitud

Las unidades de la covarianza son las de xx multiplicadas por las de yy. Sumar una constante a todos los valores de xx no la altera. Medir xx en una unidad diez veces menor multiplica la covarianza por diez. Su signo indica si los puntos tienden a seguir una recta ascendente o descendente, pero la magnitud por sí sola no indica la fuerza de la relación. Al dividir por ambas desviaciones estándar desaparecen las unidades y se obtiene el coeficiente de correlación r=cov⁡(x,y)/(sxsy)r = \operatorname{cov}(x, y)/(s_x s_y). Si emparejamos xx consigo misma, los rectángulos son cuadrados y su covarianza es su varianza. El divisor n−1n - 1 es el de la varianza muestral; si dividimos por nn, obtenemos la covarianza del propio conjunto de datos.

Por qué determina la dispersión de una suma

Para cada punto se cumple (dx+dy)2=dx2+dy2+2dxdy(d_x + d_y)^2 = d_x^2 + d_y^2 + 2d_x d_y, donde dxd_x y dyd_y son sus desviaciones. Al tomar los promedios del mismo modo se obtiene exactamente var⁡(x+y)=var⁡x+var⁡y+2cov⁡(x,y)\operatorname{var}(x + y) = \operatorname{var} x + \operatorname{var} y + 2\operatorname{cov}(x, y). Cuando xx e yy varían juntas, sus desviaciones se refuerzan y la varianza de la suma supera la suma de las varianzas. Cuando varían en sentidos opuestos, las desviaciones se compensan en parte y la suma puede variar menos que cada sumando. Por eso combinar magnitudes que varían en sentidos opuestos estabiliza el total. Al activar «Suma x + y», cada punto se proyecta siguiendo una recta de x+yx + y constante hasta la diagonal que pasa por el centro. La dispersión de las marcas representa la de las sumas.

Qué observar

  • Una covarianza de 0 no implica ausencia de relación: en una parábola los puntos pueden compensarse exactamente. La covarianza solo mide la tendencia lineal.
  • Un solo punto alejado del centro en ambos ejes puede aportar la mayor parte de la covarianza.
  • Cada rectángulo cuenta íntegramente incluso si se superpone a otro. Las zonas superpuestas no se oscurecen.

Controles

  • Pulsa en un espacio vacío para añadir un punto. Selecciónalo y usa la tecla Supr para eliminarlo o las flechas para moverlo.

Temas relacionados