Covarianza

En probabilidad y estadstica, la covarianza es un valor

que indica el grado de variacin conjunta de dos variables
aleatorias. Es el dato bsico para determinar si existe una
dependencia entre ambas variables y adems es el dato
necesario para estimar otros parmetros bsicos, como el
coeciente de correlacin lineal o la recta de regresin.

(x, y) = E [(x E [x]) (y E [y])]

= E [xy x E [y] E [x] y + E [x] E [y]]
= E [xy] E [x] E [y] E [x] E [y] + E [x] E [y]
= E [xy] E [x] E [y] .

aunque esta ltima ecuacin es proclive a perder sentido cuando se la calcula con punto otante aritmtico y
1 Interpretacin
E[xy] E[x] E[y] y lo que debe evitarse en programas
de computacin cuando el dato no ha sido previamente
Cuando a grandes valores de una de las variables suelen centrado.[3]
mayoritariamente corresponderles los grandes de la otra El estimador insesgado de la covarianza denotado s de
xy
y lo mismo se verica para los pequeos valores de una y dos variables aleatorias x e y es:
la otra, se corrobora que tienden a mostrar similar comportamiento lo que se reeja en un valor positivo de la
n
covarianza[1]

1
Por el contrario, cuando a los mayores valores de una va- sxy =
(xi x)(yi y)
(n 1) i=1
riable suelen corresponder en general los menores de la
otra, expresando un opuesto comportamiento, la covaCuando las variables aleatorias x e y son n-dimensionales,
rianza es negativa.
es decir, x = (x1 , . . . , xn )t e y = (y1 , . . . , yn )t , su
El signo de la covarianza, por lo tanto, expresa la tenmatriz de covarianzas xy es:
dencia en la relacin lineal entre las variables.
La magnitud requiere un esfuerzo adicional de interpretacin:
t
La versin normalizada de la covarianza, el coeciente xy = E([x E(x)][y E(y)] )
de correlacin indica la magnitud de la especicidad de
la relacin lineal.

3 Interpretacin de la covarianza

Se debe distinguir entre:

(1) la covarianza de dos variables aleatorias, parmetro
estadstico de una poblacin considerado una propiedad
de la distribucin conjunta y
(2) la covarianza muestral que se emplea como un valor
estadsticamente estimado del parmetro.

Si sxy > 0 hay dependencia directa (positiva), es

decir, a grandes valores de x corresponden grandes
valores de y.
Si sxy = 0 Una covarianza 0 se interpreta como
la no existencia de una relacin lineal entre las dos
variables estudiadas.

Denicin

Si sxy < 0 hay dependencia inversa o negativa, es

decir, a grandes valores de x corresponden pequeos
valores de y.

La covarianza entre dos distribucin conjunta variables

aleatorias reales x e y de segundos momentos nitos se
dene como[2]
Iguales interpretaciones se aplican al parmetro (x, y)
[
]
(x, y) = E (x E[x])(y E[y]) ,

4 Propiedades

donde E[x] es el valor esperado de x, conocido tambin Si X, Y, W, y V son variables aleatorias y a, b, c, d son
como la media de x. Apelando a la propiedad de la espe- constantes (constante en este contexto signica no alearanza matemtica lineal, se puede simplicar como
torio), se cumple que:
1

9
Cov(X, a) = 0
Cov(X, X) = Var(X) , la varianza de X

ENLACES EXTERNOS

De hecho, la covarianza es un producto interior sobre el

espacio cociente de las variables aleatorias de momentos
nitos iguales salvo constante.

Cov(X, Y ) = Cov(Y, X)
Cov(aX, bY ) = ab Cov(X, Y )
Cov(X + a, Y + b) = Cov(X, Y )
Cov(aX + bY, cW + dV ) = ac Cov(X, W ) +
ad Cov(X, V ) + bc Cov(Y, W ) + bd Cov(Y, V )
Cov(X, Y ) = E(XY ) E(X) E(Y ) , frmula que
suele emplearse en la prctica para calcular la covarianza.
Estas propiedades se deducen de manera casi directa de
la denicin de la covarianza. En otras palabras la covarianza trata de explicar qu tan relacionadas se encuentran dos variables entre s, qu tanto se mueve una cuando la otra se mueve otro tanto. Ejemplo, si la variable X
se mueve 1, supongamos que la variable Y se mueve 2,
entonces podemos decir que la variable Y se mueve positivamente el doble de lo que se movera la variable X.

Regresin lineal
Correlacin
ANOVA
Varianza

8 Referencias
[1] http://mathworld.wolfram.com/Covariance.html
[2] Oxford Dictionary of Statistics, Oxford University Press,
2002, p. 104.
[3] Donald E. Knuth (1998). The Art of Computer Programming, volume 2: Seminumerical Algorithms, 3rd edn., p.
232. Boston: Addison-Wesley.

Ausencia de correlacin e inde9 Enlaces externos

pendencia

Si X e Y son independientes, entonces su covarianza es

cero. Esto ocurre por la propiedad de independencia,

E(X Y ) = E(X) E(Y ).

Lo opuesto, sin embargo, generalmente no es cierto: algunos pares de variables aleatorias tienen covarianza cero
pese a que no son independientes. Bajo algunas hiptesis
adicionales, la covarianza de valor cero implica independencia, como por ejemplo en el caso de la distribucin
normal multivariante.

7 Vase tambin

Relacin con el producto escalar

La mayora de las propiedades de la covarianza se

deducen de las del producto escalar:

1. Bilinealidad: para las constantes a y b, y las variables

aleatorias X, Y, y U, Cov(aX + bY, U) = a Cov(X,
U) + b Cov(Y, U)
2. Simetra: Cov(X, Y) = Cov(Y, X)
3. Es un operador positivo denido: Var(X) = Cov(X,
X) 0; adems, si Cov(X, X) = 0 entonces X es una
variable aleatoria constante.

Simulacin de la covarianza de una variable bidimensional continua y discreta con R (lenguaje de

programacin)

10
10.1

Text and image sources, contributors, and licenses

Text

Covarianza Fuente: http://es.wikipedia.org/wiki/Covarianza?oldid=74607357 Colaboradores: JakobVoss, Joseaperez, Gmagno, Triku, Ascnder, Sms, Elwikipedista, Tano4595, Renabot, Rembiapo pohyiete (bot), Chobot, Pertile, Dake, BOT-Superzerocool, FlaBot, YurikBot,
Icvav, Gaijin, KnightRider, C-3POrao, Eskimbot, Paintman, CEM-bot, Retama, Thijs!bot, Srengel, Luiswtc73, Yeza, Cgb, Eargones, Shalafy, VolkovBot, Pakebal, IIM 78, Muro Bot, SieBot, Loveless, Tirithel, Kikobot, Juan Mayordomo, VanBot, AVBOT, MastiBot, Pablosreitano, Diegusjaimes, Luckas-bot, NACLE, ArthurBot, SuperBraulio13, Xqbot, Jkbw, Ricardogpn, Jjgoye, Botarel, MondalorBot, RedBot,
Marsal20, CentroBabbage, EmausBot, HRoestBot, JRuizJim, MerlIwBot, HiW-Bot, Rafaeska, DanielithoMoya, Addbot y Annimos: 68

10.2

Images

10.3

Content license

Creative Commons Attribution-Share Alike 3.0