Covariância e Correlação

entre duas
Variáveis Aleatórias
Covariância entre Duas Variáveis Aleatórias

Assim,
Fórmula mais fácil de calcular:

Onde
Exemplo 1: Uma moeda com P(cara)=0.4 é jogada duas vezes.
Defina: X = no. de caras na primeira jogada, x = 0, 1 ;
Y = no. de caras nas duas jogadas, y = 0, 1, 2.

μx = E ( X ) = 0(0.60) + 1(0.40) = 0.40,

μy = E (Y ) = 0(0.36) + 1(0.48) + 2(0.16) = 0.80,
E (XY) = (0)(0)(0.36) + (0)(1)(0.24) + (0)( 2)(0)
+ (1)(0)(0) + (1)(1)(0.24) + (1)( 2)(0.16) = 0.56,
Cov(X , Y) = E (XY) − μx μy = 0.56 − (0.40)(0.80) = 0.24.
Exemplo: Uma indústria de doces distribui caixas de chocolates
com uma mistura de creme, caramelo e frutas secas cobertas por
chocolate ligth e escuro. Para uma caixa selecionada
aleatoriamente, considere X e Y, respectivamente, as proporções
de chocolate ligth e escuro que são cremes, e suponha que a
função de densidade conjunta seja
A covariância entre duas variáveis aleatórias é uma medida da
natureza da associação entre as duas:

O sinal da covariância indica se a relação entre duas variáveis

aleatórias dependentes é positiva ou negativa.

Se grandes valores de X frequentemente resultam em grandes

valores de Y, ou valores pequenos de X resultam em valores
pequenos de Y, X – μx positivo resultará com frequência em Y – μy
positivo e X – μx negativo resultará com frequência em Y – μy
negativo. Então, o produto (X – μx )(Y – μy) tende a ser
positivo.

Por outro lado,

Se grandes valores de X costumam resultar em pequenos
valores de Y, o produto (X – μx )(Y – μy) tende a ser negativo.
Exemplo1: Uma moeda com P(cara)=0.4 é jogada duas vezes.
Defina: X = no. de caras na primeira jogada, x = 0, 1;
Y = no. de caras nas duas jogadas, y = 0, 1, 2.

Cov( X , Y ) = 0.24.

Exemplo2: Uma moeda com P(cara)=0.4 é jogada duas vezes.

Defina: X = no. de caras na primeira jogada, x = 0, 1 ;
Y = no. de coroas nas duas jogadas, y = 0, 1, 2.

Cov( X , Y ) = -3/16.
A magnitude de σxy não indica nada sobre a intensidade da relação,
já que σxy não é livre de escala.
Sua magnitude depedenderá das unidades medidas tanto para X
como para Y.

Há uma versão livre de escala chamada de coeficiente de

correlação.
−1 ⩽ ρ X,Y ⩽1

Onde há uma dependência linear exata, Y ≡a+bX,

ρ X,Y =1 se b> 0 e

ρ X,Y =−1 se b< 0 .

Correlação entre Duas Variáveis Aleatórias

−1 ⩽ ρ X,Y ⩽1
Exemplo1: Uma moeda com P(cara)=0.4 é jogada duas vezes.
Defina: X = no. de caras na primeira jogada, x = 0, 1 ;
Y = no. de caras nas duas jogadas, y = 0, 1, 2.

Var ( X ) = (0 − 0.4)2(0.6) + (1 − 0.4)2(0.4) = 0.24

Var (Y ) = (0 − 0.8)2(0.36) + (1 − 0.8)2(0.48) + ( 2 − 0.8)2(0.16) = 0.48
Cov( X , Y ) = 0.24.
Cov ( X,Y ) 0,24
Cor ( X,Y ) = = ≈0,71
√ Var ( X ) Var ( Y ) √( 0,24 ) ( 0,48 )
Exemplo 2:
Para uma caixa selecionada aleatoriamente,
considere X e Y, respectivamente, as proporções de
chocolate ligth e escuro que são cremes.
Quando X e Y são independentes, a covariância é
zero. O inverso, entretanto, geralmente não é
verdadeiro.

Duas variáveis podem ter covariância zero e ainda não serem

independentes. Note que a covariância descreve somente a
relação linear entre duas variáveis aleatórias.
Portanto, se a covariância entre X e Y for zero, X e Y podem
ter uma relação não-linear, o que não significa
necessariamente que elas são independentes.
 Soma de Duas Variáveis Aleatórias

Sejam X e Y duas variáveis aleatórias tais que

E(X) = μx E (Y) = μy

Var (X) = σ2x Var (Y) = σ2y Cov(X , Y) = σxy

e sejam a e b duas constantes.

Então, para a variável aleatória aX+bY tem-se que

E(aX + bY) = aμx + bμy

Var (aX + bY) = a2σx2 + b2σy2 + abσxy

Exemplo 2:
Para uma caixa selecionada aleatoriamente,
considere X e Y, respectivamente, as proporções de
chocolate ligth e escuro que são cremes.
17 71
E ( X )= V ( X )=
30 900 1
Cov ( X ,Y )=−
3 11 150
E (Y )= V ( X )=
5 150

A variável aleatória Z=X+Y tem

17 3 7
E (Z )= E ( X )+ E (Y )= + =
30 5 6
71 11 1 131
Var (Z )=Var ( X )+Var (Y )+Cov ( X ,Y )= + +(− )=
900 150 150 900.