Covarianza, coeficiente de correlación lineal de Pearson y rectas de regresión
Resumen
El texto explica la covarianza como medida de asociación entre dos variables y su limitación por depender de las unidades de medida. A partir de ella define el coeficiente de correlación lineal de Pearson, sus propiedades y su interpretación según el valor de r. Introduce además la dependencia lineal, las rectas de regresión obtenidas por mínimos cuadrados y el significado de sus coeficientes.
Puntos clave
- La covarianza sxy es la media de los productos (xi - x̄)(yj - ȳ) de los n elementos de la muestra.
- El coeficiente de Pearson r es el cociente entre la covarianza sxy y el producto de las desviaciones típicas sx y sy.
- r es adimensional y toma valores entre -1 y 1.
- Si r = 1 o r = -1 existe dependencia lineal perfecta, positiva o negativa; si r = 0 no hay dependencia lineal.
- Las rectas de regresión se calculan por mínimos cuadrados, minimizando la suma de los cuadrados de las distancias de los puntos a la recta.
- El coeficiente de regresión de Y sobre X es la pendiente de la recta y su signo depende del signo de la covarianza.
Descargar
PDF Word HTMLPreguntas frecuentes
¿Por qué no basta la covarianza para medir la asociación entre dos variables?
La covarianza depende de las unidades de medida de las variables. Por eso se divide entre sx y sy para obtener el coeficiente de Pearson, una medida adimensional.
¿Qué indica un coeficiente de correlación r igual a 0?
Indica que no existe dependencia lineal entre X e Y, y los puntos de la nube no se parecen a una línea recta.
¿Cómo se determinan los coeficientes a y b de la recta de regresión?
Se obtienen aplicando el método de mínimos cuadrados, que hace mínima la suma de los cuadrados de las distancias de los puntos a la recta.
Ponte a prueba
Tarjetas de repaso
Pulsa una tarjeta para ver la respuesta.
Test
Preguntas generadas con IA a partir del documento: comprueba las respuestas con el texto.