La covarianza mide cómo varían juntas dos variables. Cuando los valores grandes de x van con los valores grandes de y, la covarianza es positiva; cuando las x grandes van con las y pequeñas, es negativa; si no hay regularidad, es próxima a cero. Esta calculadora parte de las sumas que una hoja de cálculo ofrece enseguida, para obtener la covarianza, el coeficiente de correlación y la recta de regresión sin introducir todos los pares.
Cómo se hace el cálculo
Con n pares, sean Sxy = Σxy − Σx × Σy ÷ n, Sxx = Σx² − (Σx)² ÷ n y Syy = Σy² − (Σy)² ÷ n.
- Covarianza muestral = Sxy ÷ (n − 1), y covarianza poblacional = Sxy ÷ n
- Correlación r = Sxy ÷ √(Sxx × Syy)
- Pendiente = Sxy ÷ Sxx, y ordenada en el origen = (Σy − pendiente × Σx) ÷ n
- r² es la parte de la variación de y que explica la recta
Ejemplo
Con 8 pares, Σx = 40, Σy = 60, Σxy = 342, Σx² = 250 y Σy² = 520, se obtiene Sxy = 342 − 300 = 42, Sxx = 50 y Syy = 70. La covarianza muestral es 42 ÷ 7 = 6,0 y la de la población 5,25. La correlación es 42 ÷ √3500 = 0,710, por lo que r² vale 0,504. La recta es y = 3,3 + 0,84 x.
Covarianza, correlación y unidades
Una covarianza de 6 no significa mucho por sí sola: sería de 6000 si y estuviera expresada en otra unidad. La correlación elimina las unidades e indica la fuerza de la relación lineal, de −1 (negativa perfecta) a +1 (positiva perfecta). Un valor próximo a 0 significa que no hay relación lineal, aunque puede existir una relación curva. Estos conceptos se estudian en la estadística descriptiva bivariante de Bachillerato y de los primeros cursos de grado.
Precauciones
La correlación no demuestra una causalidad: dos variables pueden evolucionar juntas por un tercer factor, o por azar en muestras pequeñas. Los valores atípicos pesan mucho en la covarianza y en la correlación: representa tus datos en un gráfico antes de fiarte de las cifras. Cuando las sumas son grandes y próximas entre sí, los redondeos pueden provocar errores: conserva el mayor número posible de cifras.