Documente Academic
Documente Profesional
Documente Cultură
Teorema
Las variables X e Y son independientes si y slo si la distribucin
conjunta es igual al producto de sus distribuciones marginales; es
decir,
p(x, y) = p(x) q(y)
P[ X / Y = yo ] = p(x)
para todo x RX
P[ Y / X = xo ] = q(y)
para todo y RY
a) E(XY) = E(X)E(Y)
b) V(X Y) = V(X) + V(Y)
Covarianza y Coeficiente de Correlacin
Cuando dos variables no son independientes; es decir, cuando
estn relacionadas, es de inters el poder medir dicho grado de
relacin adems del sentido de la relacin existente entre estas
dos variables. Existen dos indicadores que nos proporcionan
informacin sobre dicha relacin:
La Covarianza:
Proporciona informacin sobre cmo se RELACIONAN dos
variables; es decir sobre el sentido de la asociacin o relacin
entre dos variables (directa o inversa). La covarianza no
E ( XY ) xi y j p ( xi , y j )
A partir de esto tendremos que:
COV(X,Y) > 0
COV(X,Y) < 0
COV(X,Y) = 0
El Coeficiente de correlacin:
Es una medida descriptiva que expresa el grado de asociacin o
relacin lineal entre dos variables X e Y. e s un valor entre 0 y 1.
Se le denota con la letra griega o con r. Originado por el
investigador Karl Pearson aproximadamente en el ao 1900.
XY
Se tendr que
Si: xy = 1
Cov ( X , Y )
V ( X ) V (Y )
1 1
Existe relacin lineal perfecta y directa entre X e Y.
Si: xy = - 1
Si: xy = 0
-1
- 0.75
Alta
Correlacin
Correlacin
- 0.4
Correlacin
Moderada
0.40
Baja correlacin
0.75
Correlacin
Alta HH
Moderada
Ejemplo:
p( x , y )
x 2y
; x 1, 2; y 1, 2
18