Se cerchi covarianza esercizi svolti, la chiave è questa: prima capisci che cosa misura, poi fai i conti. La covarianza descrive come due variabili cambiano insieme rispetto alle loro medie: se gli scarti vanno spesso nella stessa direzione, il risultato tende a essere positivo; se vanno in direzioni opposte, tende a essere negativo. In questa guida trovi un calcolo covarianza esempio passo passo, con dati originali, formule spiegate e interpretazione finale del segno. Chi prepara un esame di Statistica ha spesso difficoltà non nel fare la somma, ma nel leggere bene il risultato: per questo qui separiamo significato, procedura, errori tipici e confronto tra covarianza e correlazione.
Che cosa misura davvero la covarianza
La covarianza misura il movimento congiunto di due variabili quantitative. Non osserva i valori assoluti in modo isolato, ma confronta ogni dato con la media della propria variabile. In pratica, per ogni osservazione chiedi: il valore di x è sopra o sotto la media? E quello di y? Se molto spesso entrambi stanno sopra la rispettiva media oppure entrambi sotto, la covarianza tende a essere positiva. Se invece uno sta sopra mentre l'altro sta sotto, tende a essere negativa.
Questa idea è importante perché spiega subito il segno del risultato. Una covarianza positiva suggerisce che le due variabili si muovono nella stessa direzione; una covarianza negativa suggerisce una direzione opposta. Attenzione però: la covarianza non è una misura standardizzata, quindi il suo valore numerico dipende anche dalle unità di misura. Per esempio, ore di studio e punti d'esame producono un'unità composta in ore·punti.
Se stai preparando Statistica e vuoi esercitarti su passaggi simili con una struttura ordinata per argomento ed esercizio, puoi dare un'occhiata al corso di Statistica Weduup: è composto da lezioni online registrate e on-demand, organizzate sul singolo esame.
Formula e simboli da conoscere
Negli esercizi universitari trovi soprattutto due versioni della formula.
Covarianza campionaria: s_xy = Σ[(x_i - x̄)(y_i - ȳ)] / (n - 1)
Covarianza della popolazione: σ_xy = Σ[(x_i - μ_x)(y_i - μ_y)] / N
- x_i e y_i sono i valori della i-esima osservazione.
- x̄ e ȳ sono le medie del campione.
- μ_x e μ_y sono le medie della popolazione.
- n è il numero di osservazioni nel campione.
- N è il numero di unità della popolazione.
- Σ indica che devi sommare tutti i prodotti degli scarti.
Negli esercizi d'esame, se stai lavorando su dati osservati di pochi soggetti o casi e il testo parla di campione, di solito usi n - 1. Se invece il testo ti dice esplicitamente che i dati rappresentano l'intera popolazione, dividi per N. Questo dettaglio cambia il risultato numerico, quindi va sempre controllato prima di iniziare.
Un altro punto decisivo: la covarianza non dice da sola quanto la relazione sia intensa in modo confrontabile tra esercizi diversi. Se cambi scala o unità di misura, il valore cambia. Per questo spesso la si interpreta insieme alla correlazione.
Esempio svolto
Dati e ipotesi
Supponiamo di osservare un campione di 5 studenti e di voler studiare la relazione tra:
- x = ore di esercizi di Statistica svolti in una settimana
- y = punteggio ottenuto in una simulazione, espresso in punti su 30
I dati sono i seguenti:
- Studente 1: x = 1 ora, y = 19 punti
- Studente 2: x = 2 ore, y = 22 punti
- Studente 3: x = 4 ore, y = 20 punti
- Studente 4: x = 5 ore, y = 27 punti
- Studente 5: x = 7 ore, y = 24 punti
L'ipotesi di lavoro è semplice: vogliamo capire se, in questo piccolo campione, a più ore di esercizi tende ad associarsi un punteggio più alto o più basso.
Passaggio 1: calcolo delle medie
Calcoliamo prima le medie delle due variabili.
x̄ = (1 + 2 + 4 + 5 + 7) / 5 = 19 / 5 = 3,8 ore
ȳ = (19 + 22 + 20 + 27 + 24) / 5 = 112 / 5 = 22,4 punti
Da qui in poi ogni valore verrà confrontato con la propria media.
Passaggio 2: scarti dalla media e prodotti degli scarti
- Studente 1: (1 - 3,8) = -2,8 e (19 - 22,4) = -3,4; prodotto = (-2,8)·(-3,4) = 9,52
- Studente 2: (2 - 3,8) = -1,8 e (22 - 22,4) = -0,4; prodotto = 0,72
- Studente 3: (4 - 3,8) = 0,2 e (20 - 22,4) = -2,4; prodotto = -0,48
- Studente 4: (5 - 3,8) = 1,2 e (27 - 22,4) = 4,6; prodotto = 5,52
- Studente 5: (7 - 3,8) = 3,2 e (24 - 22,4) = 1,6; prodotto = 5,12
Sommiamo i prodotti:
9,52 + 0,72 - 0,48 + 5,52 + 5,12 = 20,40
Passaggio 3: calcolo della covarianza campionaria
Poiché stiamo lavorando su un campione, usiamo la formula con n - 1.
s_xy = 20,40 / (5 - 1) = 20,40 / 4 = 5,10
La covarianza campionaria vale quindi 5,10 ore·punti.
Controllo finale e interpretazione
Il valore è positivo. Questo significa che, nel campione osservato, chi è sopra la media nelle ore di esercizi tende abbastanza spesso a stare sopra la media anche nel punteggio, e chi è sotto la media nelle ore tende a stare sotto la media anche nel punteggio.
Noti però che non tutti i punti seguono lo stesso andamento in modo perfetto: lo Studente 3 ha 4 ore di esercizi, quindi leggermente sopra la media di x, ma ottiene 20 punti, che sono sotto la media di y. Infatti il suo prodotto degli scarti è negativo. Questo è un ottimo controllo concettuale: la covarianza riassume un andamento complessivo, non pretende che ogni singola osservazione vada nella stessa direzione.
Se lo stesso esercizio ti chiedesse la covarianza della popolazione, divideresti per 5 e otterresti 20,40 / 5 = 4,08 ore·punti. Il segno resterebbe positivo; cambierebbe solo la convenzione di calcolo.
Procedura rapida per risolvere gli esercizi
- Leggi il testo e individua se i dati rappresentano un campione o una popolazione.
- Calcola le medie delle due variabili: x̄ e ȳ, oppure μ_x e μ_y.
- Trova gli scarti di ogni osservazione dalla propria media.
- Moltiplica gli scarti coppia per coppia: (x_i - media di x)·(y_i - media di y).
- Somma tutti i prodotti.
- Dividi per n - 1 se la covarianza è campionaria, oppure per N se è della popolazione.
- Interpreta il risultato: prima il segno, poi il senso statistico, ricordando che il numero dipende dalle unità di misura.
Questa sequenza riduce gli errori perché separa bene la parte meccanica dalla parte interpretativa. All'esame, anche quando il calcolo è corretto, spesso si perdono punti proprio sull'ultima frase di commento.
Covarianza positiva, negativa e nulla: come leggere il segno
Capire la covarianza positiva negativa è più importante del semplice risultato numerico.
- Covarianza positiva: quando x è sopra la sua media, y tende a essere sopra la propria; quando x è sotto, y tende a essere sotto. È il caso del nostro esempio.
- Covarianza negativa: quando x è sopra la sua media, y tende a stare sotto la propria media, e viceversa. Un caso realistico potrebbe essere x = numero di assenze e y = punteggio in una prova: più assenze, spesso punteggi più bassi.
- Covarianza vicina a zero: non emerge un andamento lineare netto tra gli scarti delle due variabili.
Il punto delicato è questo: una covarianza vicina a zero non significa automaticamente indipendenza. Potrebbe esistere una relazione non lineare che la covarianza non intercetta bene. Quindi, negli esercizi teorici, evita di scrivere che covarianza nulla implica sempre assenza di legame.
Inoltre il segno non implica causalità. Se trovi covarianza positiva tra ore di esercizi e punteggio, non puoi concludere solo da questo dato che una variabile causa l'altra. La covarianza descrive associazione lineare nel campione o nella popolazione considerata.
Covarianza e correlazione: differenze pratiche
Il legame tra covarianza e correlazione è uno dei punti più chiesti negli esercizi e nelle domande teoriche. La correlazione nasce dalla covarianza, ma la rende confrontabile perché la standardizza.
La formula della correlazione campionaria è:
r_xy = s_xy / (s_x · s_y)
dove s_xy è la covarianza campionaria, s_x è la deviazione standard campionaria di x e s_y è la deviazione standard campionaria di y.
Nell'esempio svolto possiamo stimare anche la correlazione. Le deviazioni standard campionarie sono circa:
- s_x ≈ 2,39 ore
- s_y ≈ 3,21 punti
Quindi:
r_xy ≈ 5,10 / (2,39 · 3,21) ≈ 0,67
Come si legge questo dato?
- La covarianza ci ha detto che il legame è positivo e ci ha lasciato il valore nelle unità originali.
- La correlazione conferma il segno positivo ma lo esprime su una scala standardizzata compresa tra -1 e 1.
Perciò la covarianza è utile per capire il verso del movimento congiunto, mentre la correlazione è più adatta quando vuoi confrontare relazioni tra esercizi diversi o variabili con unità differenti.
Errori comuni negli esercizi di covarianza
- Confondere n con n - 1: è l'errore più frequente. Prima di iniziare, chiediti se stai lavorando con un campione o con una popolazione.
- Usare i valori grezzi invece degli scarti dalla media: la covarianza non è la media dei prodotti x_i·y_i, ma la media dei prodotti degli scarti.
- Dimenticare di definire le variabili: se non specifichi cosa rappresentano x e y, l'interpretazione finale diventa vaga.
- Interpretare il valore assoluto come misura di forza confrontabile: una covarianza di 10 non è automaticamente “più forte” di una covarianza di 5 se cambiano unità o scala.
- Scambiare associazione per causalità: il segno positivo o negativo non dimostra un rapporto causa-effetto.
- Dire che covarianza zero implica indipendenza: è falso in generale; vale solo sotto ipotesi più restrittive che l'esercizio deve esplicitare.
- Saltare il commento finale: molti esercizi richiedono esplicitamente di interpretare il segno, e fermarsi al numero è una risposta incompleta.
Un buon trucco pratico è fare sempre un controllo qualitativo prima del risultato finale: osserva a occhio se i valori grandi di x sembrano accompagnarsi a valori grandi o piccoli di y. Se il numero finale contraddice del tutto questa impressione, ricontrolla i segni nei prodotti.
Checklist operativa prima di consegnare
- Ho scritto chiaramente quali sono x e y.
- Ho indicato se i dati sono campionari o di popolazione.
- Ho calcolato correttamente x̄ e ȳ.
- Ho usato gli scarti dalla media, non i valori grezzi.
- Ho sommato tutti i prodotti con il segno corretto.
- Ho diviso per n - 1 oppure per N in modo coerente con il testo.
- Ho interpretato il segno della covarianza.
- Ho ricordato che il valore dipende dalle unità di misura.
Come collegare teoria, esercizi e preparazione dell'esame
Per orientarti sui nuclei tipici da ripassare, puoi affiancare questa pagina alla guida esame di Statistica, usandola come supporto organizzativo e non come programma ufficiale di ateneo.
Se poi senti il bisogno di un ripasso più strutturato, Weduup propone lezioni online registrate e on-demand organizzate per il singolo esame, con esercizi e appelli quando previsti. I contenuti si seguono tramite l'app desktop Weduup per Windows e macOS, così puoi rivedere i passaggi del calcolo tutte le volte che servono e con i tuoi tempi.
Autoverifica veloce
- Se la covarianza è negativa, che cosa indica? Che quando una variabile tende a stare sopra la propria media, l'altra tende a stare sotto la sua.
- Se cambi le unità di misura, la covarianza resta uguale? No, perché dipende dalla scala delle due variabili.
- Se in un esercizio ti chiedono di confrontare relazioni tra dataset diversi, basta la covarianza? Di solito no: la correlazione è più adatta perché è standardizzata.
Conclusione
Negli esercizi sulla covarianza conviene sempre partire dal significato: osserva se gli scarti dalle medie vanno nella stessa direzione o in direzioni opposte, poi esegui il calcolo e interpreta il segno senza dimenticare le unità. Se stai preparando l'esame e vuoi allenarti con un percorso focalizzato sul singolo esame, puoi esplorare il percorso di Statistica su Weduup: le lezioni registrate e on-demand possono affiancare e, per molti studenti, anche sostituire le classiche ripetizioni quando non serve interazione live continua.