Correlacion e Independencia

Pagina 1
Fecha: 2007-03-02
Nota tcnica:
Correlacin e
independencia
Autor: Dr. Roberto Salas Ziga
Av. de los Gobernadores # 43-1, Col. Vista Azul, Quertaro, Qro., C.P. 76087, Tel.: (442)2543500, 2543501,
E-mail: contacto@midelab.com.mx
Pagina 2
Correlacin e independencia
necesarias para utilizar el modelo una

vez calculado es cero. Adems estos
modelos sirven de base para la siguiente
En la mayora de las aplicaciones de clase de modelos.
metrologa se trabaja con modelos,
estos se construyen para representar y
cuantificar la influencia de las variables Modelos lineales
que rodean el sistema de medicin. En
trminos generales se califica a los Los modelos lineales consideran que:
modelos de acuerdo a su complejidad
esto es con el nmero de operaciones
Y = a1X
necesarias para calcularlos.
Correlacin e Independencia
Algunos ejemplos de modelos, En estos casos el nmero de

ordenados en trminos de complejidad o p e r a c i o n e s s e r e d u c e a u n a
multiplicacin, ejemplos Ley de Ohm
son:
Modelos constantes
Modelos lineales
Modelos cuadrticos
para
resistores
v (t ) = Ri(t )
Hooke para resortes
f (t ) = - kx(t )
Ley
de
etc.
Estos modelos son la base de muchos de

los problemas asociados con la
Modelos constantes
metrologa, debido al modelo bsico de
medicin que se utiliza, cabe mencionar
En estos modelos se considera que la que este tipo de modelos, se denominan
variable de inters se mantiene estticos pues no conservan ninguna
constante dentro de del intervalo de memoria de lo sucedido con el sistema,
operacin.
tambin es importante notar que en
muchas aplicaciones el modelo es lineal
Y=C
cuando se consideran los incrementos es
decir
Aunque en apariencia este modelo no es
muy efectivo, existe una gran variedad
Y = aX
de aplicaciones donde han resultado ser
excelentes, como ejemplo basta Esto da lugar a los modelos lineales
considerar la resistencia R de un afines:
resistor, la constante de rigidez K de un
resorte etc.
Y = a 0 + aX
En ambos casos las constantes R y K se

consideran constantes, en la realidad que resultan cuando
estas constantes R y K son funciones
de la temperatura, humedad etc. Cabe condicin de operacin
aclarar que el nmero de operaciones
se
fija
(X0 , Y0 )
una
y se
Pagina 3
trabaja cerca de ella
Y = Y Y0
X = X X 0
Modelos cuadrticos
S i
Los modelos cuadrticos tienen la

forma:
Y = a 0 + a 1X + a 2 X 2
En base a estos ejemplos es posible
definir una gran variedad de modelos,
sin embargo desde el punto de vista
real las relaciones que existen no son
tan sencillas de describir y en
trminos generales se dice que hay
una dependencia de la variable Y con
Y = F(X)
respecto a la variable X si
,
note que en trminos generales
cuando se habla de una dependencia
no se especifica que tipo de
relacin existe, en contraste,
cuando se habla de una correlacin
implcitamente se habla de una
relacin lineal o lineal afn, es
decir que necesariamente la
dependencia es de la siguiente forma
Y = aX + b anlogamente se dice que

Y
esta
correlacionada
X1 , X 2 ,..., X n
Si Y no este correlacionada con X no

garantiza que Y no dependa de X, lo
nico que implica es que Y no
depende linealmente de X.
con
si:
Y = a 0 + a 1X 1 + a 2 X 2 + ... + a n X n
Notas
Si Y esta correlacionada con X (a
diferente de cero), Y si depende de
X.
Y = a 0 + a 1X + a 2 X 2
a2 0 y Z =
c o n
a1
X + X2
a2
Y = a 0 + a 1Z
,
,
en este tipo de situaciones puede ser
que Y y X tengan una correlacin
baja (aunque Y depende fuertemente
de X), lo que conduce al error tpico
de decidir que X no influye sobre Y.
Cuantificacin de la dependencia
lineal
Una vez aclarada la diferencia entre
dependencia en general y la
correlacin o dependencia lineal , el
siguiente paso es determinar una
forma de medir la dependencia lineal.
En metrologa siempre estamos en
ambientes con ruido. Los modelos
ms sencillos que existen para
modelar este tipo de situaciones son
los modelos probabilsticos, a
diferencia de los modelos
determinsticos los modelos
probabilsticos no intentan dar una
relacin explicita de las relaciones
entre variables, lo que intentan
caracterizar
es la probabilidad de
que un suceso ocurra, el ejemplo
clsico es el del lanzamiento de una
moneda, este proceso se puede
modelar utilizando las leyes de
newton considerando la fuerza con la
que se lanza la moneda como
excitacin, modelo determinstico,
esto aunque lgicamente es correcto,
resulta demasiado complicado. o
Pagina 4
simplemente asociarle una posibilidad

de ocurrencia al guila y otra a la
posibilidad de ocurrencia de sol, las
cuales se pueden obtener a partir de
un conjunto de lanzamientos, es
decir en trminos de un proceso de
experimentacin y el resultado final
son dos nmeros p(sol) y p(guila),
esto gracias a la ley de los grandes
nmeros.
Regresando a la cuantificacin de la
dependencia lineal, la medida de esta
dependencia se hace considerando el
factor de correlacin, denominado

, este nmero es una medida no lineal
de la dependencia lineal de una
variable con respecto a otra,
geomtricamente significa el coseno
del ngulo entre las dos variables. S
el ngulo es
, se dice que las
variables son ortogonales o descorrelacionadas y si el ngulo es 0 o
se dice que las variables estn
completamente correlacionadas, sin
embargo cuando la mitad de una
seal esta en una direccin y la otra
mitad en la direccin perpendicular el
factor
de
correlacin
es
Est Y esta correlacionada con X?

El primer punto es traducir lo que
significa esto a Y depende
linealmente de X ?
Esto significa que en el modelo
Y = a X + b Z
X
, donde
es una
variable en la direccin de X de
tamao 1 y Z
es una variable
ortogonal a X, tambin de tamao 1
que representa el complemento
ortogonal a X (o sea el resto de X)
que parte de Y esta en la direccin de
X, para resolver esto se hace
referencia al siguiente diagrama
Una vez visualizado de esta forma
claramente y de acuerdo al teorema
de Pitgoras la solucin es
Y = Y cos( ) X + Y sen ( )Z
por lo que el grado de correlacin
cos( )
estar dado por

, es decir por
el factor de correlacin o como se
menciono anteriormente por su
cuadrado.
Y
^
aX
1

cos = cos(45) =
2
4
= 0.707,
esto genera confusin por lo que se
ha convenido utilizar
, en lugar de
. Otro punto que genera confusin

es que solo se menciona una variable,
cuando en realidad implcitamente se
hace referencia a dos. Para aclarar
todo esto supongamos que se tiene el
problema tpico:
Una nota importante es que si Y no

esta correlacionada con X no significa
que Y no dependa de X, solo significa
que Y no depende linealmente de X,
ejemplo:
Pagina 5
Si Y = X y X tiene una distribucin

uniforme sobre [-1,1], la correlacin
es cero.
2
Por ltimo y de acuerdo con el

teorema de los grandes nmeros un
estimador de
es
2
y k xk
2 = L k =1 L
2
2
yk xk
k =1 k =1
.
Aqu, el tamao de X o mejor
conocido como la norma de X se
1
calcula como
anlogamente
L 2
X = xk2
k =1
L
Y = yk2
k =1
,
1
2
Ejemplo numrico, calculado en

EXCEL.
Utilizando las herramientas de EXCEL
es posible de manera simple realizar
todos los clculos asociados con
nuestro problema, basta poner los
datos en dos columnas y graficar en
el modo XY, despus incluir la lnea
de tendencia tipo lineal, la pestaa de
opciones, seleccionar presentar
ecuacin en el grfico y presentar el
valor de R cuadrado en el grfico
0.1
0.3
0.15
0.45
0.28
0.7
0.42
0.9
y = 1.8383x +0.1509
Y vs X
R2 = 0.9837
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
En este caso se puede considerar que
= 0.9918
, es decir se puede
considerar que
cos( ) = 0.9918
y por
Pagina 6
lo tanto
= a cos(0.9918)
hay un ngulo de
es decir que
d)
7.34 .
Para terminar mostraremos unas

grficas que muestran algunos casos
extremos del significado geomtrico
de la correlacin entre Y y X.
a)
X
Y descorrelaciona de X
= , o cos = 90
Y correlacionada con X
= , o cos = 180
En la siguiente figura se presentan
otros casos de grado de correlacin
de Y con X, en esta figura se ve
porque el factor 2 resulta ser ms
representativo como medida de
dependencia lineal que el factor .
a)
b)
= 0.866 , o = 30
2= 0.75
Y
Y descorrelaciona de X
= 0, o cos = -90
b)
c)
X
= , o cos = 0
=0.707 , o = 45
2 = 0.5
Pagina 7
c)
Y
X
= 0.5, o = 60
2= 0.25
d)
X
= 0.2588, o = 70
2=0.067
La flecha inferior a X, indica la parte
de Y que esta sobre la direccin de X.

Correlacion e Independencia

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Correlacion e Independencia

Uploaded by

Copyright:

Available Formats

Pagina 1

necesarias para utilizar el modelo una

Algunos ejemplos de modelos, En estos casos el nmero de

Hooke para resortes

Estos modelos son la base de muchos de

En ambos casos las constantes R y K se

trabaja cerca de ella

Los modelos cuadrticos tienen la

Y = aX + b anlogamente se dice que

Si Y no este correlacionada con X no

simplemente asociarle una posibilidad

factor de correlacin, denominado

Est Y esta correlacionada con X?

estar dado por

. Otro punto que genera confusin

Una nota importante es que si Y no

Si Y = X y X tiene una distribucin

Por ltimo y de acuerdo con el

Ejemplo numrico, calculado en

En este caso se puede considerar que

Para terminar mostraremos unas

You might also like