Covarianza, coeficiente de correlación lineal de Pearson y rectas de regresión

MatemáticasActualizado el 4,43 KB

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.

Ponte a prueba

Covarianza entre las variables X e Y es la media aritmética de los Productos (xi-????̅) por (yj-????̅) correspondientes a cada uno de los n elementos que componen La muestra. La denotaremos por sxy. El inconveniente de la covarianza como medida de asociación es su dependencia de las unidades de medida de las Variables. En consecuencia, para construir una medida adimensional, tendremos Que dividir la covarianza por un término con sus mismas dimensiones. Además, Con ello conseguimos una medida de la relación lineal entre las dos variables, Llamado coeficiente de correlación lineal de Pearson. Definición: El Coeficiente de correlación lineal de Pearson, que denotaremos por r, es el Cociente entre la covarianza de las variables sxy y el producto de las dos Desviaciones típicas sx y sy. Propiedades: 1.- Es una medida adimensional 2. Es un nº comprendido entre -1 y 1. 3.- Si R=1, existe dependencia lineal perfecta y positiva entre las variables X e Y, (si X crece o decrece, Y crece o decrece) entre X e Y. Los puntos del diagrama De dispersión o nube de puntos están sobre una línea recta ascendente. 4.-Si R=-1, existe dependencia lineal perfecta negativa entre las variables X e Y, (si X crece o decrece, Y decrece o crece) entre X e Y. Los puntos del diagrama De dispersión o nube de puntos están sobre una línea recta descendente. 5.-Si R=0, no existe dependencia lineal entre X e Y. Los puntos del diagrama de Dispersión o nube de puntos están muy lejos de parecerse a un línea recta. Dependencia lineal. Rectas de Regresión. Dada una variable estadística bidimensional (X, Y), su Representación gráfica es una nube de puntos y el problema que planteamos es Ajustar alguna curva a dichos datos. Nos centraremos en el estudio de Relaciones lineales entre las variables, que vendrán dadas por la ecuación de Una recta y =ax + b (ó x= cy + d). Los Objetivos serían: 1. Obtener las constantes a y b de la recta, y por tanto La ecuación de dicha recta según algún criterio de interés. 2. Obtener medidas Que nos indiquen si dicho ajuste es bueno. 3 3. Si el ajuste es bueno, podremos Predecir los valores de la variable independiente y a partir de los valores de La variable dependiente x, dentro de su campo de definición. 4. Controlar el Error máximo que se comente con dicho ajuste. La determinación de los Coeficientes a y b en la primera recta (c y d en la segunda), se obtienen Aplicando el método de mínimos cuadrados, que significa que la suma de los Cuadrados de las distancias de los puntos que representa la muestra de tamaño n A la recta es mínima. A dichas rectas les llamaremos recta de regresión de Y Sobre X (recta de regresión de X sobre Y). Al cociente ???????????? ???????? 2 se le llama coeficiente de regresión de Y sobre X. Y coincide con la Pendiente de la recta. Representa la variación de la variable Y cuando la Variable X aumenta en una unidad. Como ???????? 2 es siempre Positivo, el signo de los coeficientes de regresión depende del signo que tenga La covarianza ????????????. A) Si la covarianza es positiva el coeficiente de regresión o pendiente de la Recta es positivo y la recta es creciente. B) Si la covarianza es negativa la Pendiente es negativa y la recta es decreciente. 4 c) Si la covarianza es nula Los coeficientes de regresión son nulos, ambas rectas son paralelas a los ejes De coordenadas, la de “Y” sobre “X” paralela al eje OX, y la de “X” sobre “Y” Paralela al eje OY.

Descargar

PDF Word HTML

Preguntas 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

1. ¿Cuál es la definición del coeficiente de correlación lineal de Pearson?
2. ¿Entre qué valores se encuentra el coeficiente de correlación lineal de Pearson?
3. Si r = -1, ¿qué tipo de dependencia existe entre X e Y?
4. ¿Qué criterio se utiliza para obtener las rectas de regresión?
5. Si la covarianza es negativa, ¿cómo es la recta de regresión?
6. Si la covarianza es nula, ¿qué ocurre con las rectas de regresión?

Preguntas generadas con IA a partir del documento: comprueba las respuestas con el texto.