Probabilidade II

Departamento de Estatística

Universidade Federal da Paraíba

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 1 / 21

Covariância

Quando duas variáveis aleatórias X e Y não saõ independentes, geralmente é de

interesse avaliar quão fortemente estão relacionadas uma com a outra.

A covariância dá uma ideia da dispersão dos valores da variável bidimensional

(X , Y ) em relação ao ponto (E (X ), E (Y )).

Definição 13.1 Seja (X , Y )uma variável aleatória bidimensional. A covariância de

X e Y que denotaremos Cov (X , Y ) é definida por:

Cov (X , Y ) = E [(X − E (X ))(Y − E (Y ))]

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 2 / 21

Covariância

Para X e Y discretas:
XX
Cov (X , Y ) = (x − µX )(y − µy )p(x , y )
x y

Para X e Y contínuas:
Z ∞ Z ∞
Cov (X , Y ) = (x − µX )(y − µy )f (x , y )dxdy
−∞ −∞

Reescrevendo a equação da covariância:

Cov (X , Y ) = E (XY ) − E (X )E (Y )

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 3 / 21

Covariância
IMPORTANTE:
A covariância será positiva se as duas variáveis tendem a variar no
mesmo sentido, isto é, valores de X acima da sua média estão associados a
valores de Y acima de sua média, o mesmo ocorrendo para valores de
ambos inferiores à média.

A covariância será negativa se valores acima da média de uma variável

estão associados a valores inferiores à média da outra.

Lema 13.1:Se X e Y são variáveis aleatórias independentes Cov (X , Y ) = 0

DEMONSTRAÇÃO:

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 4 / 21

Covariância
Exemplo 1: Voltando ao exemplo 1 da aula sobre Independência, temos a
seguinte distribuição de probabilidade conjunta para X = valor dedutível na
apólice de automóvel e Y = valor dedutível na apólice residencial. Obtenha a
Cov (X , Y ).

y
p (x , y ) 0 100 200
x 100 0.20 0.10 0.20
250 0.05 0.15 0.30

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 5 / 21

Covariância
Exemplo 1:

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 6 / 21

Covariância
Exemplo 2: Uma empresa de nozes comercializa latas de nozes mistas com
amêndoas, castanha de caju e amendoins. Suponha que o peso líquido de cada
lata seja exatamente 1 libra, mas que a contribuição do peso de cada tipo de noz
seja aleatória. Como os três pesos devem somar 1, um modelo de probabilidade
conjunta para quaisquer dois forece todas as informações necessárias sobre o
peso do terceiro tipo. Sejam X = peso das amêndoas em uma lata selecionada e
Y = peso das castanhas de caju. Obtenha a Cov (X , Y ) sabendo que a f.d.p.
conjunta de (X , Y ) é
¨
24xy , 0 ≤ x ≤ 1, 0 ≤ y ≤ 1, x + y ≤ 1;
f (x ) =
0 c.c.;

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 7 / 21

Independência
Exemplo 2:

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 8 / 21

Correlação

Pode parecer que a relação no exemplo do seguro seja bastante forte, uma vez
2
que Cov (X , Y ) = 1875, enquanto Cov (X , Y ) = − 75 , no exemplo das castanhas,
parece uma relação fraca.

O valor da covariância entre duas variáveis aleatórias depende das unidades de

medida adotadas para medir essas variáveis.

No exemplo do seguro, se tivéssemos expressado os valores em centavos,

teríamos Cov (X , Y ) = 18.750.000.

Por outro lado, se tivéssemos expressado os valores em centenas de reais,

teríamos Cov (X , Y ) = 0.1875.

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 9 / 21

Correlação

A deficiência da covariância é que seu valor calculado depende diretamente das

unidades de medida.

Assim, é de interesse introduzir um conceito cujo valor seja independente da

unidade medida.

Definição 13.1: O coeficiente de correlação das variáveis aleatórias X e Y ,

denotado por ρX ,Y , é definido por:

Cov (X , Y )
Corr (X , Y ) = ρX ,Y =
σX σY

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 10 / 21

Correlação
Proposição 13.1:
1. Se a e c são ambos positivos ou negativos,

Corr (aX + b, cY + d ) = Corr (X , Y )

2. Para quaisquer duas variáveis X e Y , −1 ≤ Corr (X , Y ) ≤ 1.

A proposição 1 acima mostra que ρ corrige a deficiência da Cov (X , Y ), ou seja,

o coeficiente de correlação não é afetado por mudança linear das unidades de
medida.

A proposição 2 acima sugere como reconhecer a existência de uma relação

(linear) forte. A relação positiva mais forte é evidenciada por ρ = +1, enquanto a
relação negativa mais forte é evidenciada por ρ = −1.

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 11 / 21

Correlação

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 12 / 21

Correlação

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 13 / 21

Correlação
SUGESTÃO AVALIAÇÃO DE ρ
|ρ| ≥ 0.8 → Relação Linear Forte
0.5 < |ρ| < 0.8 → Relação Linear Moderada
|ρ| ≤ 0.5 → Relação Linear Fraca

O coeficiente de correlação não é, na verdade, uma medida geral de força de

uma relação.

Proposição 13.2:
1. Se X e Y são independentes, então ρ = 0, porém ρ = 0 não
implica independência.
2. ρ = 1 ou ρ = −1 se e somente se Y = aX + b para quaisquer
números a e b com a 6= 0.

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 14 / 21

Correlação

Esta proposição diz que ρ é uma medida do grau da relação linear entre X e Y , e
somente quando as duas variáveis estiverem perfeitamente relacionadas de
forma linear é que ρ assumirá os valores extremos positivo ou negativo.

Um ρ menor que 1 em valor absoluto indica somente que a relação não é

completamente linear, mas que ainda pode haver uma relação não-linear
bastante forte.

ρ = 0 não implica que X eY sejam independentes, mas apenas que há ausência

completa de relação linear.

Quando ρ = 0, X e Y são ditos não-correlacionados.

Duas variáveis podem ser não-correlacionadas, porém altamente dependentes,

pois pode existir uma relação não-linear forte.

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 15 / 21

Correlação
Exemplo 3: Determine os coeficientes de correlação das variáveis dos exemplos
1 e 2. Interprete os resultados.

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 16 / 21

Correlação
Exemplo 3:

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 17 / 21

Correlação
Exemplo 4: Sejam X e Y V.A. discretas com função de probabilidade conjunta
dada a seguir. Obtenha o coeficiente de correlação e interprete so resultados.
¨ 1
4
, (x , y ) = (−4, 1), (4, −1), (2, 2), (−2, −2);
p(x , y ) =
0, c.c.

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 18 / 21

Correlação
Exemplo 4:

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 19 / 21

Correlação

O valor de X é determinado completamente pelo valor de Y e vice-versa, de

modo que as duas variáveis são totalmente dependentes.

Embora haja perfeita dependência, também há ausência completa de qualquer

relação linear.

Um valor de ρ próximo de 1 não implica necessariamente que aumentar o valor

de X cause um aumento em Y .

Implica somente que valores grandes de X estão associados as valores grandes

de Y .

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 20 / 21

Correlação

Por exemplo: na população de crianças, o tamanho do vocabulário e o número de

cáries são correlacionadas de forma positiva, mas certamente não é verdade que
as cáries façam o vocabulário aumentar.

Os valores de ambas as variáveis tendem a aumentar com a idade das crianças,

uma terceira variável.

Associação (uma alta correlação) não é a mesma coisa que causa.

Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 21 / 21