Matriz de covarianza y correlación
Mapa conceptual
- EDA
- Univariante
- Histogramas
- Boxplots
- Atipicos
- Bivariante
- Scatter
- Correlacion
- Confusion
- Multivariante
- Pairs plot
- Parallel coord
- Modelo
- Hipotesis
- Seleccion
- Univariante
De la varianza a la covarianza
La covarianza mide si dos variables varían a la unísono: positiva si suben juntas, negativa si se contrarrestan, cero si su variación lineal conjunta desaparece. Es el número que falta al estudiar variables de una en una.
La matriz de covarianza
Con p variables, se colocan las varianzas en la diagonal y las covarianzas por pares fuera de ella. El resultado es una matriz cuadrada, simétrica y semidefinida positiva que encapsula toda la estructura de segundo orden de los datos.
Propiedades de la matriz
- Simétrica: la covarianza de X con Y es la de Y con X.
- Semidefinida positiva: ninguna combinación lineal de variables tiene varianza negativa.
- Sus elementos diagonales son las varianzas individuales.
- Determinante y traza resumen volumen y dispersión total.
La correlación estandariza
La covarianza depende de las unidades, lo que dificulta compararla entre pares. Al dividir por las desviaciones típicas, la correlación queda acotada entre menos uno y uno, libre de escala, lista para comparar la fuerza de acompañamiento entre cualquier pareja.
Matriz de correlación
Es la versión tipificada de la de covarianza: unos en la diagonal, correlaciones fuera. Su heatmap asociado es la primera radiografía de un conjunto multivariante: delata bloques de variables redundantes, relaciones fuertes y candidatos a agruparse.
Geometría de la nube
La matriz de covarianza describe la forma de la nube de puntos: sus ejes principales y cuánto se extiende en cada dirección. Una matriz diagonal indica variables sin relación; correlaciones altas, una nube alargada y oblicua.
Autovalores y direcciones
Descomponer la matriz en autovalores y autovectores revela las direcciones ortogonales de máxima variabilidad y cuánta varianza acumula cada una. Es el corazón del análisis de componentes principales, que heredará esta geometría.
Traza y determinante
La traza, suma de varianzas, mide la dispersión total. El determinante, volumen de la elipsoide de dispersión, se anula si las variables son linealmente dependientes: un determinante cercano a cero advierte de colinealidad o redundancia.
Covarianza muestral frente a poblacional
La estimación a partir de datos corrige con n menos uno en el denominador para ser insesgada. Con pocas observaciones o muchas variables, la estimación se vuelve inestable y conviene encogerla o estructurarla.
Estimación en alta dimensión
Cuando el número de variables se acerca o supera al de observaciones, la matriz muestral es singular o casi, y no estimable con fiabilidad. Aquí aparecen la regularización de covarianzas y los estimadores encogidos, esenciales en genómica y finanzas.
Dependencia no lineal
Covarianza y correlación capturan solo acompañamiento lineal. Dos variables pueden tener una relación determinista fuerte y correlación cero si es curva. La matriz de segundos momentos es una resumen parcial, no la verdad completa de la dependencia.
Errores frecuentes
- Comparar covarianzas entre pares con unidades distintas y concluir falsas jerarquías de fuerza.
- Confiar en correlación cero como prueba de independencia cuando hay relación no lineal.
- Invertir una matriz muestral casi singular sin diagnosticar la colinealidad.
La matriz de covarianza tiene determinante prácticamente nulo. Esto señala sobre todo:
La matriz de correlación tiene unos en toda su diagonal.
Blanquear los datos
Multiplicar los datos por una transformación derivada de la matriz de covarianza puede «blanquearlos»: volver su matriz de covarianza la identidad, eliminando correlaciones y homogeneizando escalas. Útil como preprocesado antes de ciertos modelos.
Puente al multivariante
Covar, correlacionar, descomponer en autovalores: esta secuencia alimenta el componente principal, el análisis factorial, los modelos gaussianos y la detección de anomalías. Dominar la matriz de covarianza es dominar el idioma de la dependencia multivariante.
Covarianza
Toca una tarjeta para ver la respuesta.
Ordena el análisis de la estructura conjunta:
Arrastra cada ficha a su categoría (o tócala y luego toca la categoría). También puedes usar el teclado.
Dependence and covarianceRecursos sobre matrices de covarianza y su estimación.
Inspeccionas el heatmap de correlaciones de un dataset y ves un bloque de ocho variables casi perfectamente correlacionadas. ¿Qué sospechas y qué harías antes de modelar?
Tu texto se guarda sólo en este dispositivo.
Comentarios
Inicia sesión para comentar.
Todavía no hay comentarios. Sé la primera persona en opinar.