Os valores de covari\u00e2ncia n\u00e3o s\u00e3o padronizados. Portanto, a covari\u00e2ncia pode variar de menos infinito a mais infinito. Assim, o valor para uma rela\u00e7\u00e3o linear ideal depende dos dados. Como os dados n\u00e3o s\u00e3o padronizadas, \u00e9 dif\u00edcil determinar a for\u00e7a da rela\u00e7\u00e3o entre as vari\u00e1veis.<\/li>\n<\/ul>\n\u00c9 poss\u00edvel utilizar a covari\u00e2ncia para compreender a dire\u00e7\u00e3o da rela\u00e7\u00e3o entre as vari\u00e1veis. Valores de covari\u00e2ncia positivos indicam que valores acima da m\u00e9dia de uma vari\u00e1vel est\u00e3o associados a valores m\u00e9dios acima da outra vari\u00e1vel e abaixo dos valores m\u00e9dios s\u00e3o igualmente associado. Valores de covari\u00e2ncia negativos indicam que valores acima da m\u00e9dia de uma vari\u00e1vel est\u00e3o associados com valores m\u00e9dios abaixo da outra vari\u00e1vel.<\/p>\n
O coeficiente de correla\u00e7\u00e3o \u00e9 uma fun\u00e7\u00e3o da covari\u00e2ncia. O coeficiente de correla\u00e7\u00e3o \u00e9 igual \u00e0 covari\u00e2ncia dividida pelo produto dos desvios padr\u00e3o das vari\u00e1veis. Portanto, uma covari\u00e2ncia positiva sempre resulta em uma correla\u00e7\u00e3o positiva e uma covari\u00e2ncia negativa sempre resulta em uma correla\u00e7\u00e3o negativa.<\/p>\n
Nas Planilhas do Google a covari\u00e2ncia possui a seguinte sintaxe COVAR(dados_y;dados_x) onde dados_y se refere ao intervalo que representa a matriz ou o conjunto de dados dependentes e dados_x se refere ao intervalo que representa a matriz ou o conjunto de dados independentes.<\/p>\n
\u00c9 importante salientar que os textos encontrados em argumentos valor ser\u00e3o ignorados e que a covari\u00e2ncia positiva indica que dados independentes e dependentes tendem a mudar juntos na mesma dire\u00e7\u00e3o, j\u00e1 a negativa indica que eles tendem a mudar em conjunto na dire\u00e7\u00e3o oposta (ou seja, o aumento de um leva \u00e0 diminui\u00e7\u00e3o do outro.\u00a0O valor de magnitude de covari\u00e2ncia \u00e9 dif\u00edcil de interpretar – use CORREL ou PEARSON, a vers\u00e3o normalizada de COVAR, para medir a for\u00e7a de correla\u00e7\u00e3o linear.<\/p>\n
Note que o COVAR n\u00e3o serve para comparar vari\u00e1veis com quantidade de elementos diferentes e o motivo \u00e9 simples, porqu\u00ea a covari\u00e2ncia \u00e9 um coeficiente para comparar vari\u00e1veis de um mesmo dado, sendo assim, normalmente temos a mesma quantidade amostral, no v\u00eddeo abaixo ilustramos este uso.<\/p>\n