COVARIANZA

Anteriormente vimos que si tenamos una funcin q(x,y);

por ejemplo:

La incertidumbre es:

En general la funcin puede ser q(x,y,z,.)

= + Entonces:

Vimos adems que calculado de la manera

anterior puede ser una exageracin ya que se esta
tomando el mximo error. Ya que podra haber una
cancelacin parcial de los errores
 Cuando los errores son independientes dijimos que

Tambin vimos que una buena medida de la incertidumbre

es la desviacin estndar,

vimos que si las mediciones de x se distribuyen normalmente,

podemos estar 68% seguro de que el valor medido se
encuentra dentro del valor verdadero.
 COVARIANZA

Supongamos que queremos hallar la funcin = (, )

Realizamos N medidas obteniendo:
1 , 1 ; 2 , 2 ; . ( , )

Hallamos:

Hallamos tambin:

Anlogamente tenemos:

Asumimos que nuestras incertidumbres son pequeas

Aproximando:

Las derivadas parciales

Son evaluadas en:

Con esta aproximacin la media se convierte

Reemplazando en las ecuaciones anteriores se tiene
 La suma de los dos primeros trminos es la que aparece en
la desviacin estandar

La covarianza de x e y es: = ( )( )

Por lo tanto: =

= + +

 Si las mediciones de x y y son independientes podemos
observar que despus de muchas mediciones la
covarianza se va a aproximar a cero; ya que ( )
puede ser + o y despus de muchas mediciones se
llega a aun equilibrio. Adems en el lmite de muchas
mediciones (infinitas) 1/N garantiza que =0
Despus de muchas mediciones finitas no ser
necesariamente cero, pero es pequea si los errores de x
e y son independientes y aleatorios

=0
=
+

Resultado familiar para incertidumbres independientes y

aleatorias
Si las mediciones de x e y no son independientes la
covarianza no necesariamente es cero. Ya que podra ser
que ( ) y ( ) ambos sean positivos o negativos
entonces el producto es siempre positivo, o uno de ellos
positivo y el otro negativo por lo tanto el producto es
negativo
Ejercicio: Cinco estudiantes dan las medidas de dos ngulos
. Hallar = +
Hallamos:
Hallamos =+
= + = + =
La covarianza




= + +

= = + +

Si hubisemos considerado independientes las mediciones

 Usando:

= + +

Se puede demostrar que:

Reemplazando en la ecuacin anterior se tiene:

Con este resultado establecemos el significado de nuestra
incertidumbre vista anteriormente

COEFICIENTE DE CORRELACIN LINEAL

La nocin de covarianza nos va a permitir responder si las
medidas de dos variables por ejemplo x, y se encuentran
relacionadas linealmente.
Si se hacen medidas de: 1 , 1 , 2 , 2 . ,

Si estn relacionadas linealmente = +

Hallamos A y B por mnimos cuadrados
Graficamos y vemos que tan alejados estn los puntos
medidos con la recta obtenida analizando sus incertidumbres
No siempre es fcil determinar
si la relacin entre dos
variables es lineal, para eso
calculamos el coeficiente de
correlacin lineal

Reemplazando las expresiones halladas anteriormente en la

ecuacin de r tenemos
De la relacin de :
Se demuestra:

Asumiendo que todos los puntos , se encuentran sobre

la recta y= A+Bx

Entonces tenemos:
* Si r= 0 entonces x e y no estn correlacionadas linealmente,
lo mismo si r es cercano a cero
Ejemplos